به‌كارگيري تبديل موجك تصوير براي درجه‌بندي كيفي چاي سبز به كمك الگوريتم‌هاي فراابتكاري

اين مطالعه با هدف بررسي بهترين مشخصه‌هاي استخراج‌شده از تصاوير براي تعيين بهترين روش طبقه‌بندي كيفي چاي سبز توسط الگوريتم‌هاي فراابتكاري انجام شد. 5 طبقۀ مختلف چاي سبز مطابق با استاندارد سازمان ملي استاندارد ايران ارزيابي شدند. پس از دريافت تصاوير گروه‌هاي مختلف چاي سبز در رايانه، تعداد 6 بلوك تصوير مربعي از هركدام از تصاوير رنگي اوليه جدا شدند. اين بلوك‌هاي تصوير از حالت RGB به تصاوير سطح خاكستري تبديل شدند. فيلتر موجك گسسته هار سطح اول روي تصاوير خاكستري اعمال شد و 4 زيرتصوير موجكي استخراج شدند. ماتريس‌هاي هم‌رخداد براي هركدام از تصاوير زيرباند موجك محاسبه شدند و 17 ويژگي بافتي پركاربرد در مطالعه‌هاي بافتي تصوير، از تصاوير زيرباندها استخراج شدند (مجموعاً 68 ويژگي بافتي براي هر بلوك تصوير). با استفاده از آناليز مؤلفه‌هاي اصلي، تعداد 8 تركيب ويژگي از ويژگي‌هاي اوليه توليد شدند و براي جداسازي 5 گروه چاي سبز استفاده شدند. نتايج نشان داد كه الگوريتم‌هايي از شبكه‌هاي عصبي مصنوعي، ماشين‌‌بردار پشتيبان و درخت تصميم، قادر به طبقه‌بندي كيفي چاي سبز با دقت بالايي بودند. درحالي‌كه شبكۀ بيزين عملكرد قابل‌قبولي نداشت. باتوجه‌به آماره‌هاي ارزيابي، شبكه‌هاي عصبي مصنوعي پرسپترون چندلايه (با مقادير آمارۀ كاپا، ريشۀ ميانگين مربعات خطا و دقت طبقه‌بندي به‌ترتيب برابر با 0/9901، 0/420 و 99/17 درصد) به‌عنوان بهترين طبقه‌بندي انتخاب شد. براساس نتايج اين پژوهش، استفاده از ماشين بينايي و ويژگي‌هاي بافتي مستخرج از زيرباندهاي موجك تصاوير، روش مناسبي براي طبقه‌‌بندي كيفي چاي سبز مي‌باشد.