تطوير نموذج للتعرف على صور الفواكه بإستخدام الشبكات العصبية الملتفة

Abstract

التعرف على صور هو احد التطبيقات الحديثه لتقنيات التعلم العميق والشبكات العصبية وهو من أحد تطبيقات الذكاء الاصطناعي ويعكس تطوراً كبيراً في طريقة التفكير الإنساني ،وقد أثبتت الشبكات العصبية كفاءتها في تصنيف الصور بشتى أنواعها ،وفي هذه الدراسة نقدم نموذجا للتعرف على صور الفاكهة باستخدام الشبكات العصبية الملتفه نسبة لأهمية تصنيف الغذاء وأن التصنيف اليدوي للغذاء لايتوافق مع نمط الحياة الحالي لذلك قمنا بتصميم هذا النموذج بالتطبيق على قاعدة بيانات بحثية fruit dataset-360 تحتوي على أصناف مختلفة من الفاكهة بعدد كبير من الصور ومن ثم بناء شبكة عصبية ملتفة لهذا النموذج بإستخدام مكتبة Tensorflow وربطها بقاعدة البيانات ، وفي هذا النموذج اخترنا ثلاثة اصناف من الفاكهة هما الموز والتفاح والمانجو بعدد كبير من الصور و أجرينا عليها عدد من التجارب لتحقيق دقة تصنيف مناسبة بدءاً بإختيار صنفين هما التفاح والموز بالصور الرمادية وحصلنا على دقة منخفضة مما أدى إلى اضافة صنف ثالث وهو المانجو ومن ثم زيادة عدد الصور وتحويلها إلى رمادية وادخالها في النموذج و تدريب النموذج مما أدى إلى الحصول على دقة عالية بلغت 99.8% عندما استخدمنا الأصناف الثلاثة،ومن ثم حساب السعرات الحرارية للأصناف الثلاثه.