طراحي يك سامانه سخت افزاري جهت جداسازي پسته‌هاي معيوب از سالم با استفاده از شبكه‌هاي عصبي عميق

هدف از اين مطالعه توسعه الگوريتم‌هاي تصويربرداري، جهت بهبود درجه بندي آجيل‌ها با نقص‌هاي پوسته از جمله لكه‌هاي چربي، لكه‌هاي تيره، بدنه چسبيده، نقص‌هاي هسته‌اي آسيب و پوسيدگي قارچي مي باشد. همه اين نقص ها نشان‌دهنده خطر آلودگي به آفلاتوكسين هستند. شبكه‌هاي عصبي كانولوشن در زمينه‌هاي مختلف بينايي ماشين و طبقه‌بندي تصوير برجسته شده‌اند. در اين پژوهش يك مدل سخت‌افزار آزمايشگاهي بر مبناي شبكه عصبي كانولوشني جهت طبقه بندي پسته ها طراحي شده است. داده‌هاي جمع‌آوري‌شده 958 تصوير، شامل 276 تصوير از پسته‌هاي معيوب و 682 تصوير از پسته‌هاي سالم مي‌باشند. طبقه‌بندي تصاوير شامل سالم و معيوب بر اساس 3 نوع شبكه عصبي كانولوشن عميق شامل Google net، resnet18 و vgg16 انجام‌شده است. ميزان دقت و ويژگي نتايج به‌دست‌آمده با استفاده از مدل‌هاي شبكه‌هاي عصبي عميق از پيش آموزش داده‌شده Google net، resnet18 و vgg16 به ترتيب برابر 95.8%97.1%، 97.2%96.7% و 95.83%97.08% هست.