تکنولوژی پس از برداشت
محمد رسول عفیفی؛ یعقوب منصوری؛ حسن ذکی دیزجی؛ غلامرضا اکبری زاده
چکیده
خرما، یکی از محصولات باغی واستراتژیک در منطقه و ایران است. متاسفانه درآمد حاصل از صادرات این محصول پرارزش، نسبت به حجم صادرات بالای آن مطلوب نیست، بخشی از این امر به کیفیت پایین آمادهسازی و بستهبندی محصول مربوط میشود. به نظر میرسد استفاده از فناوریهای نوین، مانند بینایی ماشین و پردازش تصویر، میتواند روند درجهبندی ...
بیشتر
خرما، یکی از محصولات باغی واستراتژیک در منطقه و ایران است. متاسفانه درآمد حاصل از صادرات این محصول پرارزش، نسبت به حجم صادرات بالای آن مطلوب نیست، بخشی از این امر به کیفیت پایین آمادهسازی و بستهبندی محصول مربوط میشود. به نظر میرسد استفاده از فناوریهای نوین، مانند بینایی ماشین و پردازش تصویر، میتواند روند درجهبندی و جداسازی خرما را بهبود بخشد. در این پژوهش درجهبندی میوه خرمای رقم زاهدی، در سه مرحله تفکیک شده، شامل جداسازی کیفی خرما (کاملا رسیده، نیم رس و نارس)، درجهبندی بر اساس شکل و اندازه و جداسازی خرمای سالم از چروکیده انجام شده است. پس از تهیه تصویر میوهها، 11 ویژگی مورفولوژیکی، 9 ویژگی رنگی و 6 ویژگی بافتی به کمک روشهای پردازش تصویر استخراج شدند. بهترین ویژگیها برای تفکیک پذیری بهتر به کمک روش آنالیز تشخیص گامبهگام تعیین شدهاند. برای طبقهبندی نهایی از دو روش یادگیری ماشین، یعنی روش آماری آنالیز تشخیص و روش شبکه عصبی چند لایه پرسپترون استفاده شد. در نهایت، 6 ویژگی رنگی، 3 ویژگی اندازه و شکل و 3 ویژگی بافتی، بهعنوان بهترین ویژگیها در درجهبندی انتخاب شدهاند. دقت نهایی درجهبندی توسط روش آماری و شبکه عصبی به ترتیب 7/92 % و 90/93 % بهدست آمد. با توجه به دقت بالای هر دو روش، میتوان نتیجه گرفت که استفاده از روش پردازش تصویر در درجهبندی و جداسازی خرما با استفاده از ویژگیهای ظاهری موفقیتآمیز است.
