تعیین میزان آلودگی توده بذر یونجه به سس با روش تحلیل تصویر دیجیتال و شبکه عصبی مصنوعی

گیاه سس از علف های هرز یونجه است. بهترین راه مبارزه با سس، جلوگیری از آلودگی مزارع به بذر این گیاه است. هم اکنون در بسیاری از مراکز تکثیر و گواهی بذر، درصد سس موجود در بذر یونجه به روش دستی و با بینوکولر محاسبه می شود که علاوه بر صرف وقت و هزینه زیاد، دقت کمی دارد. در این پژوهش یک روش رایانه ای، مبتنی بر پردازش تصویر و به کارگیری شبکه عصبی مصنوعی برای محاسبه درصد سس مخلوط با بذر یونجه طراحی شد. بدین منظور تصویرهایی از مخلوط بذر یونجه و سس تهیه شد و سپس در محیط نرم افزار MATLAB با به کارگیری حد آستانه مناسب، بذور از سطح زمینه جدا شدند. در مرحله بعد با استفاده از روابط هندسی، ویژگی های ابعادی بذور یونجه و سس استخراج و به عنوان ورودی های شبکه عصبی درنظر گرفته شدند. برای انتخاب مناسب ترین توپولوژی شبکه های عصبی، انواع مختلف شبکه با توابع انتقال و یادگیری مختلف و تعداد نرون های متفاوت بررسی شد و درنهایت توپولوژی 1-5-4 با تابع انتقال لگاریتم سیگموئید (Logsig) و تابع یادگیری GDX انتخاب شد. این شبکه قادر به تشخیص درصد بذر سس با ضریب تعیین 956/0 و ریشه میانگین مربعات خطای 017/0 است.