سعید افصحی - دانشجوی دکتری مهندسی مکانیک بیوسیستم، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران
بابک بهشتی - استادیار گروه مهندسی مکانیک بیوسیستم، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران

با توجه به سطح زیر کشت خربزه در جهان و ایران، این محصول جایگاه ویژهای در بین مصرف کننده گان دارد. از آنجاییکه صادرات محصولات باغی مورد اهمییت است، ضروری می باشد که محصولات قبل از بسته بندی،کیفیت سنجی شده و با اطمینانکامل نسبت به صادرات اقدام نمود و آگاهی ازکیفیت درونی آنها حائز اهمییت می باشد. بسیاری از روش های مورد استفادهتخریبی بوده و لازم است در راستای استفاده از روش های غیرتخریبی اقداماتی صورت گیرد. لذا در این تحقیق سعی شد بااستفاده از پردازش تصویر خربز میزان تخم و سفتی بافت آن را یافت. در این تحقیق از سه رقم خربزه (مشهدی، سوسکی وزردایوانکی) تعداد ۲۵ نمونه به طور تصادفی تهیه گردید. سپس محفظهای جهت اخذ تصاویر آماده گردید. تصاویر توسط یکدوربین دیجیتال در دو سطح عمود بر هم از نمونه ها اخذ شد. نمونه ها جهت اندازهگیری خواص درونی شامل میزان تخم و سفتیبافت آن انتقال داده شد. پس از اتمام آزمایش ها، تصاویر نمونه ها جهت پردازش تصویر به رایانه انتقال داده شد و عملیات پردازشتصویر صورت گرفت. برای تصاویر توسط الگوریتم های پردازش تصویر دو ویژگی (نسبت تعداد رگه های بزرگ به رگه هایکوچک و نسبت قطر بزرگ به قطر کوچک) در نظر گرفته شد و از طریق کد نویسی در نرم افزار متلب استخراج گردید. برایهر یک از پارامترها معادله ی یک صفحه سه بعدی که برگرفته از اثرات اصلی این دو ویژگی و اثر متقابل آنها بود در نظر گرفته شد. ویژگی های مورد نظر توسط شبکه عصبی MLP با پارامترهای اندازه گیری شده آزمایشگاهی مورد تحلیل و بررسی قرار گرفت و میزان خطای هر روش بدست آمد. در نهایت با توجه به تصویر هر نمونه میزان قند آن تعیین گردید. خطای MSE شبکه عصبی MLP برای قند برابر با ۰/۹۷۸۵ بود.

خربزه، سفتی بافت، پردازش تصویر، میزان تخم، هوش مصنوعی