تدوین و ارزیابی مدل های عصبی مصنوعی به منظور برآورد مقادیر L*a*b* با استفاده از مقادیر RGB تصاویر رنگی به کمک بینایی رایانه ای

با توجه به نیاز استفاده از مقادیر رنگی L*، a* و b* به همراه دیگر پارامترهای رنگی از جمله مقادیر R، G و B در کاربردهای کنترل کیفیت رنگی مواد غذایی و کشاورزی، در این پژوهش روشی هوشمند بر پایه سامانه بینایی ماشین ، شبکه های عصبی مصنوعی MLP و روش آماری چند متغیره PLS برای تخمین مقادیر L*a*b* از مقادیر RGB تصاویر رنگی نمونه های مختلف زعفران تدوین گردید. تصاویر رنگی از 33 نمونه مختلف زعفران (165 تصویر) و از صفحات رنگی استاندارد (150 تصویر) تهیه شدند. به کمک سامانه بینایی ماشین توسعه داده شده تصاویر نمونه ها دریافت و با استفاده از الگوریتم های پردازش تصویر، پردازش و ویژگی های رنگی RGB آنها استخراج گردید. از سوی دیگر ویژگی های L*a*b* نمونه ها توسط دستگاه رنگ سنج (به روش هانتر لب) اندازه گیری شدند. مقادیر RGB و تبدیلات خطی آنها به عنوان ورودی مدل ها و مقادیر مرتبط L*، a* و b* به ترتیب به عنوان خروجی و هدف مدل ها در نظر گرفته شدند. در نهایت نتایج نشان داد که مدل های MLP با دقت بالاتری و ضرایب رگرسیون مناسب تری نسبت به مدل های PLS مقایر L*، a* و b* نمونه-های زعفران را تخمین می زنند (R2=0.99 و RMSE بترتیب برابر با 0/769، 0/953 و 0/785 برای تخمین هر سه ویژگی L*، a* و b*). در نهایت می توان امکان استفاده از سامانه بینایی ماشین را برای کنترل کیفیت رنگی زعفران بیان کرد.