عنوان	استفاده از پردازش تصویر و شبکه های عصبی مصنوعی به منظور تشخیص تقلب در زیره سیاه پارسی
نوع پژوهش	مقاله چاپ‌شده در مجلات علمی
کلیدواژه‌ها	زیره سیاه، شبکه های عصبی مصنوعی، فن آوری کامپیوتر بینایی، ویژگی های بافتی و رنگی.
چکیده	زیره‌ پارسی ایران نقش ویژهای در صادرات و صنایع داخلی دارد. امروزه، با توجه به عرضه گسترده انواع زیره تقلبی در بازار، شناسایی زیره‌ پارسی اصیل از نمونه های تقلبی آن ضروری است. از میان معیارهای مختلف شناسایی، میتوان به شاخصهای رنگ و بافت اشاره نمود. روشهای سنتی مانند بازرسی دستی و بصری، عالوه بر زمانبر بودن، با احتمال باالی خطای انسانی همراه هستند. در این پژوهش، بمنظور ارائه روشی نوین، دقیق و سریع، از فناوری ماشین بینایی برای استخراج ویژگیهای رنگی و بافتی زیره از تصاویر آن استفاده شد. سپس، با بهکارگیری شبکه عصبی مصنوعی پرسپترون چندالیه با الگوریتم پسانتشار با یک الیه پنهان و ارزیابی نرون های مختلف در این الیه، فرآیند تشخیص زیره پارسی اصیل از انواع تقلبی انجام گرفت. پنج نمونه از زیره پارسی و چهار نمونه از زیره تقلبی با بیشترین فراوانی در بازار مورد ارزیابی قرار گرفتند. نتایج نشان داد بهترین میانگین دقت شناسایی زیره اصیل از تقلبی، با استفاده از شبکه عصبی با یک الیه پنهان با بکارگیری تابع انتقال لگاریتم سیگموئید در این الیه و تابع خطی در الیه خروجی و الگوریتم یادگیری لونبرگ مارکوات، به ترتیب 93/51 درصد برای ویژگیهای رنگی، /86 95 درصد برای ویژگیهای بافتی و 95/59 درصد برای ترکیب این دو ویژگی )رنگی-بافتی( به دست آمد که نتایج شبکه عصبی با استفاده از ویژگی های بافتی عملکرد بهتری داشت. نتایج این تحقیق نشان داد که فن آوری ماشین بینایی و شبکههای عصبی مصنوعی، قابلیت باالیی در شناسایی زیره اصیل پارسی از نمونه های تقلبی با دقت بالا دارد.
پژوهشگران	عاطفه نکویی (نفر دوم)، ایمان گلپور (نفر سوم)