“طبقه‌بندی غیرمخرب زعفران با استفاده از آنالیز رنگ و بافت “

طبقه بندی زعفران بر اساس تکنیک های بینایی ماشین و همچنین نظر کارشناسان، یک روش عینی و غیرمخرب است که می تواند دقت این فرآیند را در کاربردهای واقعی افزایش دهد. کارشناسان در ایران زعفران را بر اساس ویژگی های ظاهری به سه کلاس پوشال، نگین و سرگل تقسیم می کنند. چهارصد و چهل تصویر رنگی از زعفران برای سه کلاس مختلف با استفاده از دوربین موبایل تهیه شد. بیست و یک ویژگی رنگی و 99 ویژگی بافتی با استفاده از تحلیل تصویر استخراج شد.

بیست و دو دسته بندی کننده برای طبقه بندی با استفاده از ویژگی های ذکر شده به کار گرفته شدند. ماشین بردار پشتیبان و دسته بندی کنندگان Ensemble بهتر از سایر دسته بندی کنندگان عمل کردند. نتایج ما نشان داد که دقت میانگین طبقه بندی تا 83.9٪ با استفاده از ماشین بردار پشتیبان درجه دو و دسته بندی کننده تفکیکی زیرفضا بود.

Saffron classification based on machine vision techniques as well as the expert’s opinion is an objective and nondestructive method that can increase the accuracy of this process in real applications. The experts in Iran classify saffron into three classes Pushal, Negin, and Sargol based on apparent characteristics. Four hundred and forty color images from saffron for the three different classes were acquired, using a mobile phone camera. Twenty-one color features and 99 textural features were extracted using image analysis.

Twenty-two classifiers were employed for classification using mentioned features. The support vector machine and Ensemble classifiers were better than other classifiers. Our results showed that the mean classification accuracy was up to 83.9% using the Quadratic support vector machine and Subspace Discriminant classifier.