سیدمهدی نصیری - دانشیار، بخش مهندسی بیوسیستم دانشگاه شیراز
عبدالعباس جعفری - دانشیار، بخش مهندسی بیوسیستم دانشگاه شیراز
پیمان سلمرودی - دانش آموخته کارشناسی ارشد مهندسی مکانیک بیوسیستم (فناوری پس از برداشت)، بخش مهندسی بیوسیتم دانشگاه شیراز

کاربرد ناصحیح کودهای شیمیایی در تولید محصولات کشاورزی بروز بیماری برای مصرف کنندگان را ممکن می سازد. از جمله اینموارد مصرف بی رویه کودهای نیتروژن دار است که باعث تجمع نیترات و ایجاد بافت سفید در میوه گوجه فرنگی می شود. در این مطالعهتخمین مقدار نیترات تجمع یافته در میوه گوجه فرنگی به کمک پردازش تصویر بررسی شد. این پژوهش در قالب طرح کاملا تصادفی باچهار تیمار نیتروژن در سطوح 1200،800،400 و 1600 کیلوگرم بر هکتار انجام شد و از هر تیمار 50 نمونه به طور تصادفی برای تهیهتصاویر و انجام آزمایش ها انتخاب شد. نمونه ها با ضخامت یکسان برش زده شدند و عکسبرداری صورت گرفت، سپس نیترات نمونه هابه روش آزمایشگاهی اندازه گیری شد. ویژگی های رنگی مرتبط با سطح و محتوای داخلی نمونه ها و همچنین ویژگی های غیر رنگی ازجمله مساحت سفید ورقه ها ، مساحت کل ورقه ها و نسبت مساحت سفید به مساحت کل استخراج شدند. نتایج نشان داد افزایشسطوح نیتروژن باعث افزایش غلظت نیترات در نمونه ها می شود. همچنین واکاوی داده ها برای ارزیابی نتایج الگوریتم ها صورت پذیرفتو مشخص شد که محتوای رنگی ورقه ها، مساحت سفید ورقه ها و نسبت مساحت سفید به مساحت کل همبستگی بالایی با محتواینیترات نمونه ها داشت. به منظور پیش بینی میزان نیترات، مدل رگرسیون منا سب ارایه گردید. افزون بر آن، با داده های مشابه آموزششبکه عصبی انجام شد. برای افزایش دقت پیش بینی و یافتن بهترین عملکرد شبکه عصبی، دو لایه مخفی با توپولوژی ها و توابع انتقالمختلف به کار برده شد و بر اساس نتایج به دست آمده، شبکه با ساختار 1 - 11 - 12 - 9 با کمترین مقدار میانگین مربعات خطا (036 / 0 )به عنوان بهترین شبکه انتخاب گردید. برای وا سنجی مدل ها از داده های متناظر 60 نمونه که از بازار تهیه شده بود استفاده شد. اینشبکه توان ست با خطای نسبی 5 / 9 در صد در مقای سه با مدل رگرسیون با خطای نسبی 15 در صد مقدار محتوای نیترات را دقیقترتخمین بزند.

پردازش تصویر، رگرسیون، شبکه عصبی مصنوعی، گوجه فرنگی، ماشین بینایی، نیترات