Ali Adelkhani - استادیارگروه مهندسی مکانیک ماشین های کشاورزی ، واحد کرمانشاه، دانشگاه ازاد اسلامی، کرمانشاه، ایران.
Babak Beheshti - استادیارگروه مهندسی مکانیک ماشین های کشاورزی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
saeed Minai - دانشیارگروه مهندسی مکانیک ماشین های کشاورزی، دانشگاه تربیت مدرس،تهران، ایران.
Hossein Javadi Kia - استادیارگروه مهندسی مکانیک ماشین های کشاورزی، دانشکده کشاورزی، دانشگاه رازی کرمانشاه.

چکیده        تنوع و فراوانی ویژگی های کیفی محصولات کشاورزی، مهمترین دلیل توسعه انواع روشهای غیر مخرب بوده است. ماشین بینایی و هوش مصنوعی تکنیک های قدرتمندی در تشخیص بسیاری از خصوصیات فیزیکی، مکانیکی و شیمیایی محصولات کشاورزی می باشند. قبل از صادرات معمولا میوه ها از نظر شکل، حجم و وزن درجه بندی می شوند. درجه بندی یک میوه از نظر مزه(ترشی یا شیرینی) به صورت غیر مخرب در امر بازارپسندی و قدرت انتخاب و نحوه کاربرد آن تاثیر بسزایی دارد. در این تحقیق با استفاده از ترکیب تکنیک ماشین بینایی و هوش مصنوعی، مزه پرتقال تامسون تعیین شده است. یک دوربین دیجیتال مدار بسته در یک محفظه ویژه تعبیه شده بود که تحت ارتفاع و نور خاص از نمونه ها بطور عمودی عکس می گرفت. همچنین الگوریتمی(برنامه ای) مبتنی بر هوش مصنوعی برای تشخیص مزه پرتقال تامسون از روی خواص ظاهری در نرم افزار متلب تدوین گردید. نتایج نشان داد که  تعیین مزه  رقم تامسون با استفاده از دو روش فازی-عصبی و عصبی-ژنتیک به ترتیب  با دقت های ۶۷/۹۶ و ۹۰  درصد، به صورت غیر مخرب امکان پذیر است.

Machine vision, Fuzzy-Neuron, Neuron-Genetic, Taste, کلید واژگان: ماشین بینایی, فازی-عصبی, عصبی-ژنتیک, مزه