کنترل مراحل رسیدگی گوجه فرنگی گیلاسی پوشش دهی شده با ژل آلوئه ورا با استفاده از سامانه بینایی مصنوعی

کنترل مراحل رسیدگی فرآورده های کشاورزی طی نگهداری و درجه بندی کیفی آنها بر اساس مرحله رسیدگی از اهمیت بالایی برخوردار است. پوشش های خوراکی می توانند عمر انبارمانی فرآورده های کشاورزی را افزایش دهند و از آنها طی عملیات جابجایی، نگهداری، فرآوری و عرضه به بازار مصرف محافظت نمایند. هدف از پژوهش حاضر ایجاد سامانه ای برای کنترل و جداسازی کیفی گوجه فرنگی گیلاسی در دو حالت با و بدون پوشش ژل آلوئه ورا بر مبنای سامانه بینایی مصنوعی می باشد. برای این منظور نخست خصوصیات فیزیکی وشیمیایی شامل اسیدیته قابل تیتر (TA)، مواد جامد محلول کل (TSS) و سفتی بافت (F) گوجه فرنگی های گیلاسی در هر دو حالت اندازه گیری گردید. براساس این خصوصیات شاخص رسیدگی (RPI) تعیین گردید و نمونه ها بر اساس مرحله رسیدگی به دو درجه کیفی MS۱ و MS۲ طبقه بندی شدند. در ادامه با کمک سامانه بینایی مصنوعی با استفاده از دو سیستم تجزیه و تحلیل مولفه های اصلی (PCA)، شبکه عصبی مصنوعی پس انتشار (BPNN) و با کمک خصیصه های رنگی و بافتی حاصل از تصویر به صورت مجزا و با هم، نمونه ها طبقه بندی گردید. نتایج طبقه بندی نشان داد که استفاده از خصیصه های رنگی و بافتی باهم سبب طبقه بندی با صحت بیشتر می گردد. در این میان با کمک ۲۱ خصیصه رنگی و بافتی روش های PCA و BPNN قادر به جداسازی نمونه ها به ترتیب با دقت ۷۲/۸۵ و ۲۱/۹۸ بودند. صحت بالاتر روش BPNN به سبب عملکرد غیر خطی آن است. نتایج به دست آمده از این پژوهش حاکی از آن است که ژل آلوئه ورا در به تاخیر انداختن فرایند رسیدن گوجه های گیلاسی به طور موفقیت آمیزی عمل می نماید و می توان از سامانه بینایی مصنوعی به عنوان یک روش غیرمخرب برای ارزیابی میزان رسیدگی گوجه فرنگی گیلاسی براساس خصیصه های رنگی و بافتی به طور کارآمد استفاده کرد.

Keywords:

Cherry tomato , Degree of maturity , Image processing , Multivariate analysis , Back propagation artificial neural network. , گوجه فرنگی گیلاسی , درجه رسیدگی , پردازش تصویر , تجزیه و تحلیل چند متغیره , شبکه عصبی مصنوعی پس انتشار.