سجاد سبزی - دانشجوی دکتری مکانیک ماشینهای کشاورزی دانشگاه محقق اردبیلی- اردبیل، ایران
یوسف عباس پورگیلانده - استاد گروه مکانیک بیوسیستم دانشگاه محقق اردبیلی- اردبیل، ایران
مهساسادات رضوی - دانشجوی رشته مهندسی مکانیک بیوسیستم گرایش فناوری پس از برداشت دانشگاه محقق اردبیلی- اردبیل، ایران

پرتقال میوهای از خانواده مرکبات میباشد که سرشار از ویتامین و مواد معدنی و دیگر عناصر مغذی استبدست آوردن رابطه ای بین خصوصیات ظاهری پرتقال و جرم آن می تواند در صنعت بسته بندی، تحولی عظیم ایجادکند در این مطالعه 100 نمونه پرتقال بم ایران به منظور تصویربرداری از آنها تهیه گردید. پس از پردازش تصاویرتوسط نرم افزار متلب، 13 خصوصیت از آن ها استخراج شد. به کمک دو روش شبکه عصبی مصنوعی- فازی (ANFIS) و هیبرید، شبکه عصبی مصنوعی- الگوریتم ژنتیک (ANN-GA) مدل هایی برای جرم پرتقال ارائه گردید که در نهایت بهترین مربوط به روش هیبری عصبی مصنوعی- الگوریتم ژنتیک با دو ورودی طول به مساحت و عرض به مساحت می باشد. ضریب همبستگی ((R(2) برای این ورودی ها در دو روش هیبرید عصبی مصنوعی- الگوریتم ژنتیک و هیبرید عصبی مصنوعی- فازی به ترتیب 0/97 و 0/82 می باشد. بنابراین هیبرید شبکه عصبی مصنوعی – الگوریتم ژنتیک مدلی با درصد خطای کمتر ارائه می دهد و می توان از آن برای ساخت سیستم درجه بندی با دقت بالا جهت تشخیص جرم پرتقال از دو ورودی ذکر شده استفاده کرد.

پردازش تصویر، درجه بندی، میوه، هوش مصنوعی