روشی جهت درجه بندی خرمای مضافتی با استفاده از پردازش تصویر

عدم رعایت استاندارد­های جهانی و درجه­بندی و بسته­بندی نامناسب از دلایل عدم توجه درخور به خرمای ایران است. سامانه ماشین بینایی روش­ نوینی است که در بخش کشاورزی کاربردهای مختلفی دارد. در این تحقیق روشی جهت طبقه­بندی خرمای مضافتی با استفاده از پردازش تصویر به پنج دسته سالم، چروکیده، کپک­زده، صدمه­دیده و خال­زده ارائه شده است. ابتدا از نمونه­هایی که با بینایی انسان دسته­بندی شده بود تصاویری اخذ شد. با استفاده از روش­های تحلیل تصویر و شبکه­ عصبی مصنوعی در محیط برنامه نویسی متلب روشی جهت بازشناسی نواحی معیوب خرما تهیه شد. با تهیه الگوریتمی درجه­بندی با استفاده از دو تصویر از هر خرما انجام شد. درجه­بندی بینایی ماشین با معیار استاندارد بررسی شد. نرخ بازشناسی درست در روش پردازش تصویر برای خرمای سالم، چروکیده، صدمه­دیده، کپک­زده و خال­زده به ترتیب ۸۳/۹۵%، ۸۹/۸۸%، ۲۸/۶۴%، ۵۵/۸۰% و ۰۰/۸۰% به­دست آمد. در اندازه­بندی از معادله چند جمله­ای درجه اول برای تعریف تابع وابستگی مابین متغیر وابسته (وزن خرما) و متغیرهای مستقل (طول، قطر و مساحت) استفاده شد. مدل ارائه شده هم­بستگی خوبی برای تخمین وزن خرمای سالم دارد)  ۹۳/۰= ۲(R.

Keywords:

Machine Vision , Classification , Dates devastation , Artificial Neural Network