تخمين تازگي گوشت مرغ مبتني بر تكنيك هاي پردازش تصوير و هوش مصنوعي

Estimate freshness of chicken meat using image processing and artificial intelligent techniques

در پژوهش حاضر روش هاي نوين نظير پردازش تصوير و هوش مصنوعي براي ارزيابي سريع، غير مخرب و آنلاين تازگي گوشت مرغ بكار گرفته شده است. پس از تهيه تصاوير گوشت مرغ و عمليات پيش پردازش، تصاوير به كانال هاي رنگي مختلف منتقل و ويژگي هاي آماري بافت تصاوير استخراج گرديد. عمليات انتخاب ويژگي با تركيب دو روش الگوريتم ازدحام ذرات و طبقه بند شبكه هاي عصبي مصنوعي به منظور كاهش حجم محاسبات و ارتقاي شاخص هاي طبقه بندي انجام شد. با توجه به تعداد ويژگي هاي منتخب، تعداد نرون هاي موجود در لايه ورودي 22 عدد به دست آمد و تعداد نرون هاي موجود در لايه خروجي براساس طبقه بندي تصاوير به صورت 5 كلاس؛ روز اول، روز دوم،...و روز پنجم، 5 عدد تعيين شد. در نهايت ساختار 5-8-22 به عنوان ساختار بهينه طبقه بند مورد نظر حاصل شد. به منظور ارزيابي عملكرد طبقه بند جهت تخمين تازگي گوشت مرغ، شاخص هاي آماري نظير دقت، صحت، حساسيت، اختصاصي بودن و سطح زير منحني محاسبه شدند كه مقادير اين شاخص ها براي طبقه بندي بر اساس ويژگي هاي منتخب به ترتيب برابر 92، 80.02، 80.68، 94.89 و87.83 درصد مي باشند. نتايج حاصل از اين مطالعه نشان مي دهد كه سامانه پيشنهادي توانايي تشخيص ميزان تازگي گوشت مرغ با دقت مناسب را دارد.

In the current study، new methods such as image processing and artificial intelligence have been used for the fast، easy and non-destructive evaluation of chicken meat freshness. After image acquisitions and pre-processing operations، the images were transferred to different color spaces and the statistical texture features of images were extracted. The feature selection operation was performed by combining particle swarm optimization (PSO) and artificial neural networks (ANNs) classifier to reduce the amount of calculations and improve the classification indicators. According to the number of selected features، the number of existing neurons in input layer were obtained 22 and the number of existing neurons in output layer were determined 5، according to classify the images as 5 classes. In the purpose of the classifier assessment operation to estimate the freshness of chicken meat، the statistical indicators such as precision، accuracy، sensitivity، specificity and area under the curve were calculated، which the values of these indicators for classification based on the selected features are 92، 80.02، 80.68، 94.89 and 87.83 percent، respectively. The obtained results of this study indicates that suggested system has the ability to diagnosis the chicken meat freshness with suitable accuracy.