علی عزیزی

گل رز بانام علمی Rosa Hybrida، از خانواده گل سرخیان یا Rosaceae مهم ترین گل تجاری شاخه بریده در سراسر دنیاست. یکی از مراحل مهم تولید گل رز، درجه بندی است که دارای استانداردهایی در هر منطقه از دنیاست. این کار می تواند به صورت دستی توسط افراد باتجربه انجام گیرد که فرایندی پر خطا و زمان بر است همچنین در گلخانه های تجاری با میزان تولید بالا امکان پذیر نیست؛ اما تکنولوژی های به روز در مراحل تولید گل رز چند سالی است که مورداستفاده قرار می گیرد. استفاده از هوش مصنوعی در مرحله درجه بندی و پس از برداشت گل رز در خط تولید کشورهای پیشرفته استفاده می شود. در پژوهش حاضر با استفاده از یادگیری عمیق (DL) تصاویری از گل های رز رقم آوالانچ که به تعداد بالا و وضوح کافی تهیه شده بود، به شبکه های عصبی با مدل های وی جی جی، رزنت، اینسپشن و ایکسپشن تغذیه شدند که نتایج زیر به دست آمد. در همه مدل های از پیش آموزش دیده شده دراپ اوت تأثیر مثبتی بر دقت شبکه نداشت؛ اما در مدل پیشنهادی اضافه کردن 0.1 دراپ اوت تأثیر مثبتی بر عملکرد شبکه گذاشت. در شبکه وی جی جی بیشترین میزان دقت در تعداد نورون 64 مشاهده شد. میزان دقت در این شبکه 96 درصد بود. شبکه رزنت عملکرد مطلوبی در این پژوهش از خود به نمایش نگذاشت به طوری که صحت نتایج آن در تشخیص محصول درجه یک و درجه دو به ترتیب 78 و 82 درصد بود که نشان از عدم توانایی این شبکه در تفکیک داده ها بود. از طرفی شبکه اینسپشن نیز همانند رزنت نتایج قابل اعتمادی در این پژوهش نداشت به طوری که دقت آن 80 درصد گزارش شد. دقت شبکه ایکسپشن در پژوهش حاضر 100 درصد گزارش شد که نشان از کارآمدی مدل است. در انتها نتایج در مدل پیشنهادی پژوهشگر بدین صورت ثبت شد. در این مدل تعداد نرون ها به 128 افزایش یافته. همچنین از چهار لایه عصبی کانولوشن استفاده شد که در هر لایه چهار فیلتر 16، 32، 64 و 128 تایی به کار گرفته شد و نتایج نشان داد افزایش تعداد فیلترها در هر لایه سبب افزایش دقت شبکه عصبی از 96 درصد به 99 درصد می شود. پس به طورکلی در این پژوهش کمترین دقت مربوط به مدل رزنت (80 درصد) و بیشترین آن مربوط به مدل پیشنهادی (98 درصد) و مدل ایکسپشن (100 درصد) بود. قدرتمندترین مدل در تفکیک گل های درجه یک از درجه دو به ترتیب مربوط به شبکه های ایکسپشن (100 درصد)، پیشنهادی (99 درصد) و وی جی جی (95.5) بو