امكان‌سنجي تشخيص و درجه‌بندي فيزيكي خرماي مضافتي با استفاده از روش پردازش تصاوير ديجيتال و الگوريتم ماشين ‌بردار پشتيبان

روش‌هاي سنتي درجه‌بندي خرما به‌ علت نبود ويژگي‌هاي كمي مشخص باعث درجه‌بندي ناصحيح شده و اتلاف زمان و هزينه ايجاد مي‌كند. درجه‌بندي خرما براساس الگوريتم‌هاي طبقه‌بندي مي‌تواند اختلاف‌نظر فروشنده و خريدار را كاهش دهد. در اين تحقيق شناسايي برخي ويژگي‌هاي كيفي خرماي مضافتي و درجه‌بندي آن به چهار دسته (درجۀ 1، 2، ۳ و ۴) طبق نظر‌هاي استخراج‌شده از واردكنندگان خرماي مضافتي كشور روسيه انجام شده است و براي ايجاد ارتباط معني‌دار بين كيفيت خرما و برنامۀ پردازش تصوير در محيط متلب، ماشين ‌بردار پشتيبان مورد استفاده قرار گرفت. نتايج ماشين بردار پشيتبان خطي، كوادراتيك، كوبيك و گوسين متوسط داراي دقت ۱۰۰ درصد بوده، يعني توانسته است درجه‌بندي را به‌طوركامل انجام دهد. براي درك چگونگي عملكرد درجه‌بندي‌شدۀ انتخاب‌شده در هر درجه، از طرح ماتريس اغتشاش استفاده شده است. منحني مشخصۀ عامل گيرنده نرخ درجه‌بندي مثبت در مقابل نرخ مثبت كاذب را براي انتخاب آموزش درجه‌بندي، ارائه مي‌دهد. نرخ مثبت 0/97 در درجۀ اول نشان مي‌دهد كه طبقه‌بندي‌كنندۀ فعلي 0/97 از مشاهده‌ها را به‌درستي به درجۀ مثبت اختصاص مي‌دهد. به‌منظور صحت‌سنجي نهايي از ضريب كاپا استفاده شده است كه با نظر خبرگان نيز ميزان درستي درجه‌بندي موردبررسي قرار گرفته است. تمام مقادير كاپا بزرگ‌تر از 0/6 بوده و داراي پايداري كافي است. همچنين بيشترين كاپا مربوط به روش كوبيك بيش از 0/8 و كمترين مربوط به گوسين كامل با مقدار 0/76 است. باتوجه‌به دقت و صحت پياده‌سازي با ماشين بردار پشتيبان اين روش با بازده بالايي قابليت درجه‌بندي خرما را با ويژگي‌هاي استخراج‌شده دارد.