%0 Journal Article %T روشی جهت درجه¬بندی خرمای مضافتی با استفاده از پردازش تصویر %J مهندسی بیوسیستم ایران %I پردیس کشاورزی و منابع طبیعی دانشگاه تهران %Z 2008-4803 %A رحمانی, حجت %A علوی, سیدناصر %D 2012 %\ 08/22/2012 %V 43 %N 1 %P 19-28 %! روشی جهت درجه¬بندی خرمای مضافتی با استفاده از پردازش تصویر %K بینایی ماشین %K دسته¬بندی %K خرابی¬های خرما %K شبکه عصبی مصنوعی %R 10.22059/ijbse.2012.35203 %X عدم رعایت استاندارد­های جهانی و درجه­بندی و بسته­بندی نامناسب از دلایل عدم توجه درخور به خرمای ایران است. سامانه ماشین بینایی روش­ نوینی است که در بخش کشاورزی کاربردهای مختلفی دارد. در این تحقیق روشی جهت طبقه­بندی خرمای مضافتی با استفاده از پردازش تصویر به پنج دسته سالم، چروکیده، کپک­زده، صدمه­دیده و خال­زده ارائه شده است. ابتدا از نمونه­هایی که با بینایی انسان دسته­بندی شده بود تصاویری اخذ شد. با استفاده از روش­های تحلیل تصویر و شبکه­ عصبی مصنوعی در محیط برنامه نویسی متلب روشی جهت بازشناسی نواحی معیوب خرما تهیه شد. با تهیه الگوریتمی درجه­بندی با استفاده از دو تصویر از هر خرما انجام شد. درجه­بندی بینایی ماشین با معیار استاندارد بررسی شد. نرخ بازشناسی درست در روش پردازش تصویر برای خرمای سالم، چروکیده، صدمه­دیده، کپک­زده و خال­زده به ترتیب 83/95%، 89/88%، 28/64%، 55/80% و 00/80% به­دست آمد. در اندازه­بندی از معادله چند جمله­ای درجه اول برای تعریف تابع وابستگی مابین متغیر وابسته (وزن خرما) و متغیرهای مستقل (طول، قطر و مساحت) استفاده شد. مدل ارائه شده هم­بستگی خوبی برای تخمین وزن خرمای سالم دارد)  93/0= 2(R. %U https://ijbse.ut.ac.ir/article_35203_c2743e1bbb4581184bbc5eacaaf30aae.pdf