گندم یکی از محصولات مهم و استراتژیک کشاورزی است که نقش مهم و بسزائی را در تامین زنجیره غذایی انسان ها بازی می کند. در این میان، براساس شرایط اقلیمی و آب و هوایی، ارقام خاصی برای کشت در هر منطقه پیشنهاد می شود تا ضمن بالا بردن کیفیت محصول نهایی، راندمان مزرعه ای نیز افزایش پیدا کند. در روش های سنتی، تشخیص ارقام مختلف گندم توسط کارشناسان خبره انجام می پذیرد که به دلیل خستگی، سرعت پایین و تصمیم گیری مبتنی بر نظرات شخصی، خالی از اشکال نیست. برای رفع این مشکل، امروزه از روش های غیرمخرب از جمله بینایی ماشین استفاده می گردد. در این تحقیق نیز با استفاده از روش بینایی ماشین، اقدام به استخراج ویژگی های بافت توسط الگوریتم GLRM در چهار جهت صفر، 45، 90 و 135 درجه شده و با تشکیل پایگاه داده مورد نظر توسط طبقه بندی کننده ماشین بردار پشتیبان (SVM)، سه رقم مختلف هما، صدرا و سرداری طبقه بندی گردیده است. نتایج تحقیق نشان داد که مدل SVM با تابع مرکزی خطی یا چند جمله ای می تواند با دقت بالای 97% هر سه رقم گندم مورد استفاده را شناسایی و طبقه بندی نماید. حساسیت، ویژگی و نرخ کلاس بندی صحیح هر سه رقم نیز بالای 97% بدست آمد که نشان دهنده دقت بالای مدل SVM بر روی پایگاه داده تشکیل یاقته از ویژگی های GLRM می باشد. نتایج بیانگر قابلیت بسیار بالای روش بینایی ماشین در طبقه بندی و شناسایی ارقام مختلف گندم است و می تواند به عنوان روشی مورد اعتماد استفاده گردد.
