TY - JOUR ID - 35203 TI - روشی جهت درجه¬بندی خرمای مضافتی با استفاده از پردازش تصویر JO - مهندسی بیوسیستم ایران JA - IJBSE LA - fa SN - 2008-4803 AU - رحمانی, حجت AU - علوی, سیدناصر AD - دانش آموخته کارشناسی ارشد، دانشگاه شهیدباهنر کرمان AD - استادیار، دانشگاه شهید باهنر کرمان Y1 - 2012 PY - 2012 VL - 43 IS - 1 SP - 19 EP - 28 KW - بینایی ماشین KW - دسته¬بندی KW - خرابی¬های خرما KW - شبکه عصبی مصنوعی DO - 10.22059/ijbse.2012.35203 N2 - 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. UR - https://ijbse.ut.ac.ir/article_35203.html L1 - https://ijbse.ut.ac.ir/article_35203_c2743e1bbb4581184bbc5eacaaf30aae.pdf ER -