%0 Journal Article %T تدوین و ارزیابی مدل های عصبی مصنوعی بمنظور برآورد مقادیر L*a*b* با استفاده از مقادیر RGB تصاویر رنگی به کمک بینایی رایانه ای %J فناوری‌های جدید در صنعت غذا %I ﺳﺎزﻣﺎن ﭘﮋوهشهای ﻋﻠﻤﯽ و ﺻﻨﻌﺘﯽ اﯾﺮان %Z 2783-350X %A کیانی, سجاد %A مینایی, سعید %D 2017 %\ 11/22/2017 %V 5 %N 1 %P 151-158 %! تدوین و ارزیابی مدل های عصبی مصنوعی بمنظور برآورد مقادیر L*a*b* با استفاده از مقادیر RGB تصاویر رنگی به کمک بینایی رایانه ای %K برآورد %K پردازش تصاویر %K زعفران %K L*a*b* %R 10.22104/jift.2017.469 %X 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 ، شبکه‌های عصبی مصنوعی MLP و روش‌ آماری چند متغیره PLS برای تخمین مقادیر L*a*b* از مقادیر RGB تصاویر رنگی نمونه‌های 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 نمونه‌ها دریافت و با استفاده از الگوریتم‌های پردازش تصویر، پردازش و ویژگی‌های رنگی RGB آنها استخراج گردید. از سوی دیگر ویژگی‌های L*a*b* نمونه‌ها توسط دستگاه رنگ‌سنج (به روش هانتر لب) اندازه‌گیری شدند. مقادیر RGB و تبدیلات خطی آنها به عنوان ورودی مدل‌ها و مقادیر مرتبط L*، a* و b* به ترتیب به عنوان خروجی و هدف مدل‌ها در نظر گرفته شدند. در نهایت نتایج نشان داد که مدل‌های MLP با دقت بالاتری و ضرایب رگرسیون مناسب‌تری نسبت به مدل‌های PLS مقایر L*، a* و b* نمونه-های زعفران را تخمین می‌زنند (R2=0.99 و RMSE بترتیب برابر با 769/0، 953/0 و 785/0 برای تخمین هر سه ویژگی L*، a* و b*). در نهایت می‌توان امکان استفاده از سامانه بینایی ماشین را برای کنترل کیفیت رنگی زعفران بیان کرد. %U https://jift.irost.ir/article_469_96949f2d3e824bc880cb7c3a1a8dfac5.pdf