روشی جهت درجه¬بندی خرمای مضافتی با استفاده از پردازش تصویر

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش آموخته کارشناسی ارشد، دانشگاه شهیدباهنر کرمان

2 استادیار، دانشگاه شهید باهنر کرمان

چکیده

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.

کلیدواژه‌ها


عنوان مقاله [English]

A Method of Grading of Mozafati Date, Using Image Processing

نویسندگان [English]

  • hojat Rahmani 1
  • S. naser alavi 2
1
2
چکیده [English]

Iran has not yet gained the desired place in world date market, due to not considering the world standards in the processes of grading and packaging. Machine vision and image processing are two of the new techniques that have found their places of application in agricultural industry. In this research, a solution has been introduced for classification of Mozafati date introducing 5 different grades namely: intact, shrinkage, damaged, mouldy and splotchy. A number of images were initially taken from the dates. They had been chosen, divided, and graded by an experienced person in this field. Through image processing technique and artificial neural network in MATLAB, a method for recognition of dates' defective areas was prepared. By preparation of an algorithm, date grading was carried out by using two images from each date. Machine vision comparison was employed using standard criteria. Correct recognition rate in image processing method  for intact, shrinked, damaged, mouldy and splotchy dates amounted to 95.83%, 88.89%, 64.28%, 80.55% and 80.00% respectively.  First order polynomial equations were employed to define the function between dependent variable (weight of date) and the independent variables (length, diameter and area) in the process of fruit grading. The submitted model benefits from a good correlation in estimating the weight of the intact dates (R2=0.93).

کلیدواژه‌ها [English]

  • Machine Vision
  • Classification
  • Dates devastation
  • Artificial Neural Network