به ‌كارگيري سامانه هوشمند براي تعيين ارزش ريالي دانه‌هاي برنج سفيد بر اساس خواص ظاهري و درصد برنج شكم گچي

Application of intelligence system to determine Rials-value of white rice grains based on appearance properties and percentage of chalky grains

درجه‌بندي و دسته‌بندي كيفي برنج يكي از عوامل موثر بر بازارپسندي و رضايت مشتري است. هدف از اين پژوهش تدوين الگوريتم دقيقي براي تشخيص سه شاخص‌ مهم كيفي دانه‌هاي برنج شامل درصد دانه‌هاي شكسته، درصد دانه‌هاي گچي و درجه سفيدي دانه‌هاي برنج بود. تعدادي نمونه‌ي برنج رقم علي‌كاظمي، از موسسه تحقيقات برنج كشور تهيه شد. پس از نظرسنجي از اشخاص خبره، از هر يك از ويژگي‌هاي مذكور سه سطح كمي (كم، متوسط و زياد) تعريف شد. از هر 270 نمونه برنج در شرايط يكسان تصوير‌برداري انجام شد. در تدوين مدل استنتاج فازي براي قيمت‌گذاري محصول از موتور استنتاج فازي نوع ممداني بهره‌گيري شد و غيرفازي‌سازي با غيرفازي‌ساز مركز ناحيه انجام شد. نتايج نشان داد كه دقت الگوريتم پردازش تصوير در تشخيص درصد عددي دانه‌هاي شكسته، درصد عددي دانه‌هاي گچي و درجه سفيدي دانه‌هاي برنج به‌ترتيب و به طور متوسط برابر با 2/95 درصد، 74/90 درصد و 99/98 درصد بود. زمان كل مورد نياز براي اجراي الگوريتم پردازش تصوير و فرآيند استنتاج فازي با سه ورودي تا تعيين قيمت محصول برابر 24/2 ثانيه بود. تصميمات گرفته شده با مدل فازي در 2/95 درصد از موارد با نظر اعلام شده از سوي كارشناس خبره همخواني داشت. اين سامانه به خوبي مي‌تواند جايگزين روش‌هاي سنتي مورد استفاده در بازار خريد و فروش و كارخانه‌هاي فرآوري محصول برنج شده و در زمان كمتر و با دقت بيشتر خصوصيات كليدي دانه‌هاي برنج را ارزيابي كند.

Qualitative grading and classifying of rice are one of the factors affecting on the marketing and customer satisfaction. The objective of this study was to develop an accurate algorithm for characterization of three important qualitative indices of rice including percentage of broken grains, percentage of chalky grains and degree of milling. Some rice samples of a variety namely ʹAliKazemiʹ were provided from Rice Research Institute of Iran. After questioning expert persons, three quantitative levels (Low, Medium and High) were defined. The images of each of the 270 samples of rice grains were captured under the same conditions. In development of fuzzy inference model for the product pricing, the Mamdani inference system was applied and defuzzification process was done using Center of Area defuzzifier. Results indicated that the average accuracy of the image processing algorithm in detecting percentage of broken grains, percentage of chalky grains and degree of milling was respectively as 95.2%, 90.74% and 98.99%. The decisions made by the fuzzy model were consistent with the expert’s judgment in 95.2% of the cases. This system can be good alternative to traditional methods used in market and rice processing factory to characterize the rice key propertiesfast and more accurately