شیما فرح بخش - دانشجوی کارشناسی رشته ارشد کامپیوتر گرایش هوش مصنوعی، پردیس دانشگاه شهید باهنر کرمان
علی اکبر نیک نفس - استادیار، دانشگاه شهید باهنر کرمان

امروزه در بسیاری از فعالیت های صنعتی، بکارگیری نیروی مکانیکی یا ربات، جایگزین نیروی انسانی شده است. همانند بخش صنعت، بخش کشاورزی نیز نیاز شدیدی در بکارگیری سامانه های خودکار دارد. در تحقیق حاضر، برای تشخیص گردو رسیده از نارس، یک روش دو مرحله ای ارائه شد که در مرحله اول از روش پیشنهادی از روش الگوی باینری محلی متقارن نسبت به مرکز (CS_LBP) در فضای رنگ HSV، برای استخراج ویژگی و از یادگیرنده ماشین بردار پشتیبان (SVM) برای دسته بندی و آموزش استفاده گردید. سپس در مرحله دوم از روش پیشنهادی ابتدا با تکیه بر نظر نخبگان، مجموعه ای از قوانین استخراج و پس از آن با استفاده از روش پیشنهادی بر مبنای سیستم فازی، درخت تصمیم و قوانین فازی استخراج شده، تشخیص گردوها در سه دسته در بازه نارس تا رسیده انجام و در پایان ارزیابی روش براساس میزان دقت و تشخیص انجام گردید. نتایج حاصل نشان می دهد کخ میانگین دقت تشخیص با استفاده از روش پیشنهادی ضمن اینکه امکان تشخیص در سه دسته نارس ، نیمه رس و رسیده را فراهم می آورد، میانگین دقت تشخیص برابر با 88.33 پس از 5 بار اجرا را نیز به همراه داشت.

منطق فازی - پردازش تصویر - بافت تصویر - گردوی رسیده - تشخیص