کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

سیستم هوشمند طبقه‌بندی پسته‌های گرد و دراز با استفاده از یادگیری عمیق

نویسندگان :

امیرحسین علیزاده¹ ایمان ذباح²

1- دانشگاه تربت حیدریه 2- دانشگاه آزاد اسلامی واحد تربت حیدریه

کلمات کلیدی :

طبقه‌بندی پسته،یادگیری عمیق،EfficientNetV2-B0،شبکه عصبی کانولوشنی،پردازش تصویر،سورتینگ هوشمند

چکیده :

چکیده کیفیت و یکنواختی پسته نقش کلیدی در ارزش اقتصادی و صادراتی این محصول داشته و طبقه‌بندی دقیق آن در فرآیند‌های صنعتی از اهمیت بالایی برخوردار است. در این پژوهش، رویکردی مبتنی بر یادگیری عمیق برای جداسازی پسته‌های دراز و گرد ارائه شده است. بدین منظور از معماری EfficientNetV2-B0 به‌عنوان شبکه‌ی عصبی کانولوشنی پایه استفاده گردید. مجموعه داده، شامل 230 تصویر پسته بود که با به‌کارگیری روش‌های داده افزایی توسعه یافت. مدل طی 10 بار تکرار آموزش و ارزیابی شد و نتایج به‌صورت میانگین انحراف معیار گزارش گردید. یافته‌ها نشان داد که دقت کلی مدل به میانگین 5/95% رسیده و مقادیر Precision، Recall و F1-Score نیز همگی بالاتر از 95% هستند. همچنین، مقدار بالای AUC (نزدیک به 99/0) و خروجی ماتریس آشفتگی بیانگر عملکرد پایدار، متوازن و بدون بایاس در هر دو کلاس است. نتایج این پژوهش نشان می‌دهد که روش پیشنهادی علاوه بر دقت بالا، از نظر کارایی و پیچیدگی محاسباتی نیز مناسب بوده و قابلیت به‌کارگیری در فرآیندهای سورتینگ و بسته‌بندی پسته را دارد. با این وجود، افزایش حجم تنوع داده در پژوهش‌های آینده می‌تواند به بهبود تعمیم‌پذیری مدل کمک نماید.