دانشگاه تهران مهندسی بیوسیستم ایران 2008-4803 56 3 2025 09 23 Development of a machine vision system for examining mushroom frying using deep frying and hot air methods توسعه یک سامانه بینایی ماشین برای بررسی سرخ کردن قارچ به روش عمیق و هوای داغ 83 98 104663 10.22059/ijbse.2025.398160.665599 FA دنیا فرج زاده گروه مهندسی ماشینهای کشاورزی، دانشکده کشاورزی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران سید سعید محتسبی گروه مهندسی ماشینهای کشاورزی، دانشکده کشاورزی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران 0000-0002-4031-1095 محمود سلطانی فیروز گروه مهندسی ماشینهای کشاورزی، دانشکده کشاورزی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران عرفان دهقان بنادکی گروه مهندسی ماشینهای کشاورزی، دانشکده کشاورزی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران Journal Article 2025 07 07 Considering the high popularity of fried foods among people, this type of food is among the most consumed. After frying food products, certain changes appear in the products depending on the frying method used. This research introduces an innovative method for quantifying the quality of mushroom frying. In this study, machine vision was used to non-destructively evaluate two frying methods: deep frying and air frying for mushrooms. For frying the mushrooms, three levels of temperature and time were considered, with four repetitions for each level. After frying the mushrooms using the specified method, the samples were placed in the machine vision system, where the degree of shrinkage, color, and texture resulting from frying were examined. By utilizing image processing and identifying brown and yellow color regions, the percentage of frying was quantitatively calculated. Ultimately, this helps in better analyzing qualitative changes in food products. Examining various frying methods for food products can provide practical information to consumers. The data were analyzed after applying the necessary processing for machine vision. Using Principal Component Analysis (PCA), the first two principal components, PC-1 and PC-2, explained 99.89% and 0.11% of the data variance, respectively. Additionally, Linear Discriminant Analysis (LDA) and Support Vector Machine (SVM) techniques achieved an accuracy of 100%. To evaluate the classification ability of the images considering the degree of shrinkage and color, statistical indices such as accuracy, recall rate, and F1 score were used. In this evaluation, the accuracy, recall rate, and F1 score for classifying the frying methods for mushrooms were all 100%. These results indicate the high capability of classifying deep frying and air frying methods for mushroom products. با توجه به محبوبیت غذاهای سرخ شده در میان مردم، این نوع غذاها جزء پرمصرف‌ترین نوع غذاها محسوب می‌شوند. پس از سرخ‌کردن محصولات غذایی، برخی تغییرات با توجه به نوع سرخ شدن بر روی محصولات نمایان می‌شود. این تحقیق به معرفی یک روش نوآورانه برای کمی‌سازی کیفیت سرخ شدن قارچ‌ها می‌پردازد. در این پژوهش از بینایی‌ماشین، به منظور ارزیابی غیرمخرب دو روش سرخ‌کردن عمیق و سرخ‌کردن با هوای داغ برای بررسی قارچ استفاده شده است. برای سرخ‌کردن قارچ‌ها، سه سطح دما و زمان، با چهار تکرار در هر سطح، در نظر گرفته شد. پس از سرخ شدن قارچ‌ها به روش مورد نظر، نمونه‌ها در سامانه بینایی‌ماشین قرار گرفته‌ و میزان چروکیدگی، رنگ و بافت حاصل از سرخ شدن بررسی گردید. با استفاده از پردازش تصویر و شناسایی نواحی رنگی قهوه‌ای و زرد، درصد سرخ شدن به شکل کمی (عددی) محاسبه می‌شوند. در نهایت به تحلیل بهتر تغییرات کیفی در محصولات غذایی کمک می‌کند. بررسی برخی از روش‌های سرخ‌کردن محصولات غذایی می‌تواند اطلاعات کاربردی را در اختیار مصرف کنندگان قرار دهد. داده‌ها پس از اعمال پردازش‌های لازم برای بینایی‌ماشین، تحلیل شدند. با استفاده از تحلیل مولفه‌های اصلی  PCA))، دو مولفه اصلی PC-1 و PC-2 به ترتیب 99.89% و 0.11% از واریانس داده‌ها را توضیح دادند. علاوه بر این، تکنیک‌های تحلیل تفکیک خطی LDA) ) و تحلیل ماشین بردار پشتیبان  SVM)) به دقت 100%  دست یافتند. برای ارزیابی توانایی کلاس‌بندی تصاویر با در نظر گرفتن میزان چروکیدگی و رنگ‌، از شاخص‌های آماری نظیر صحت، نرخ بازیابی و امتیاز F₁ استفاده شد. در این ارزیابی میزان صحت، نرخ بازیابی و امتیاز F₁ برای کلاس‌بندی روش‌های سرخ‌کردن قارچ 100% بوده است. این نتاج نشان‌دهنده توانایی بالای کلاس‌بندی روش‌های سرخ‌کردن عمیق و هوای داغ در محصول قارچ‌ می‌باشد. https://ijbse.ut.ac.ir/article_104663_61e46d898ce1c0576a08e59292e82963.pdf