ارزيابي فازي ويژگي هاي ظاهري زعفران با استفاده از روش‌هاي مبتني بر هوش مصنوعي

ايران بزرگ‌ترين توليدكنندۀ زعفران در جهان است. زعفران داراي اهميت بالاي اقتصادي است و به دليل افزايش فعاليت رقباي صادراتي، نيازمند حمايت و گسترش و توسعۀ صادرات است. روند رو به رشد سهم صادرات زعفران از يك‌سو و درآمدزايي و كارآفريني براي روستاييان كشور از سوي ديگر، لزوم توجه به اين محصول را دوچندان مي‌كند. رقابت در اين عرضه و با وجود رقباي قدرتمند در گرو مكانيزه كردن فرايندهاي كاشت تا برداشت و درجه‌بندي تا بسته‌بندي امكان پذير خواهد بود. بنابراين، ارزيابي ويژگي‌هاي ظاهري زعفران به منظور درجه‌بندي صحيح نياز اساسي محسوب مي‌شود. در پژوهش حاضر، ويژگي‌هاي ظاهري با هدف درجه‌بندي زعفران با استفاده از روش هاي مختلف هوش مصنوعي شامل شبكه هاي عصبي مصنوعي پرسپتورن چند لايه (MLP)، (LVQ)، شبكه عصبي غير نظارت شده (SOM)، سيستم‌هاي فازي (FNN) و سيستم استنتاج فازي عصبي (ANFISS) بررسي شده است. پايگاه داده مورد مطالعه مربوط به 113 نمونه زعفران است كه در 4 طبقه زعفران پوشال (نگين)، پوشال درجه 2 (خوب)، پوشال درجه سه (معمولي) و پوشال درجه چهار (ضعيف) كه محققان اين پژوهش آنها را گردآوري كرده اند. نتايج تحليل نشان مي‌دهد كه درجه‌بندي زعفران با در نظر گرفتن شرايط عدم قطعيت در مدل ANFIS نسبت به ديگر روش‌ها بهتر است، به طوري كه دقت طبقه‌بندي 97.5 درصد و ميزان خطاي 0.3484 در تشخيص نمونه‌هاي آزمون به دست آمد.