عنوان	درجه بندی و تشخیص تقلب در چای سیاه با استفاده از یادگیری عمیق
نوع پژوهش	پایان نامه
کلیدواژه‌ها	چای سیاه، یادگیری عمیق، شبکه‌های عصبی کانولوشنی، بینایی ماشین، تشخیص تقلب، درجه‌بندی چای سیاه، تشخیص میزان ناخالصی
چکیده	چای سیاه یکی از پرمصرف‌ترین نوشیدنی‌ها در جهان و ایران است که درجه‌بندی کیفی و تشخیص میزان تقلب و ناخالصی‌ها در آن اهمیت بالایی در صنعت غذا و اقتصاد کشاورزی دارد. روش‌های سنتی ارزیابی کیفیت، اغلب زمان‌بر، هزینه‌بر و وابسته به عامل انسانی هستند. هدف از این پژوهش، توسعه یک سیستم هوشمند و غیرمخرب برای درجه‌بندی چای سیاه در چهار کلاس زرین،ممتاز، قلم و شکسته و تشخیص تقلب ترکیب چای بی‌کیفیت با چای باکیفیت با درصدهای مختلف ترکیب 0، 10، 20، 30، 40 و 50 است. همچنین تعیین ناخالصی‌های مربوط به ساقه چای با درصدهای مختلف 0، 5، 10، 15 و 20 درصد با استفاده از مدل‌های یادگیری عمیق نیز می‌باشد. در این پژوهش، به کمک یک سیستم بینایی ماشین متشکل از دوربین و سیستم روشنایی پایگاه تصاویر مربوط به درجات مختلف، درصدهای مختلف تقلب و ناخالصی چای ایجاد شد. برای ارزیابی قابلیت مدل‌های یادگیری عمیق در حل مسائل فوق، چندین معماری پیشرفته شبکه‌های عصبی کانولوشنی شامل MobileNet، EfficientNet، SqueezeNet، ShuffleNet و ConvNeXt مورد بررسی و ارزیابی قرار گرفتند. به‌منظور بهینه‌سازی مدل‌ها، از تکنیک یادگیری انتقالی و تنظیم دقیق عمیق پارامترها استفاده شد. نتایج حاصل از ارزیابی مدل‌ها نشان داد که مدل EfficientNet-B0 با کسب دقت 100 درصد در مرحله آزمون، بهترین عملکرد را در تفکیک درجات چای سیاه ایرانی از خود نشان داد. استراتژی سلسله مراتبی در شناسایی میزان تقلب و ناخالصی‌ها و نیز استفاده ترکیبی از مدل‌های EfficientNet و ConvNeXt در مدل‌های متخصص در استراتژی سلسله مراتبی باعث کاهش حجم و اندازه مدل‌ها شد و در نهایت به دقت‌های کلی 56/93 و 67/96 درصد به‌ترتیب برای تشخیص میزان تقلب و درصد ناخالصی‌ها را نیز از خود نشان دادند. همچنین، استفاده از معماری‌های سبک‌وزن علاوه بر دقت بالا، پتانسیل بالایی برای پیاده‌سازی در سیستم‌های بلادرنگ و گوشی‌های هوشمند دارند. به طور کلی، نتایج این پژوهش نشان‌دهنده کارایی بالای یادگیری عمیق به عنوان ابزاری مطمئن در کنترل کیفیت هوشمند صنعت چای است.
پژوهشگران	ناصر بهروزی خزاعی (استاد راهنما)، آرمان کریم پناه (دانشجو)، کاوه ملازاده (استاد مشاور)