طبقه بندی توت فرنگی بر اساس میزان رسیدگی و اندازه به کمک ماشین بینایی

در این پژوهش برای درجه­بندی میوه توت فرنگی از لحاظ اندازه و میزان رسیدگی از بینایی ماشین و شبکه عصبی مصنوعی استفاده شد. ابتدا یک الگوریتم پردازش تصویر برای استخراج ویژگی­های رنگ و اندازه توت­فرنگی توسعه داده شد و سپس درجه­بندی توت­فرنگی بر اساس اندازه به سه طبقه ممتاز، درجه یک و درجه دو و بر اساس میزان رسیدگی به کمک ویژگی­های رنگی به سه طبقه رسیده، نیم­رس و نارس انجام شد. نتایج تحلیل حساسیت نشان داد که درجه­بندی بر اساس اندازه به ویژگی­ قطر بزرگ، قطر کوچک، محیط و مساحت حساسیت بیشتری دارد. همچنین بر اساس همبستگی بین میزان مواد جامد محلول و رنگ محصول، a* و S از میان بقیه ویژگی­های رنگی برای درجه­بندی بر اساس میزان رسیدگی انتخاب شدند. در نهایت نتایج نشان داد که شبکه عصبی مصنوعی قادر است با دقت کلی ۰۴/۹۴ و ۱۴/۹۵ به ترتیب درجه­بندی بر اساس اندازه و میزان رسیدگی را انجام دهد.

کلیدواژه ها:

Artificial Neural Network ، image processing ، Sensitivity analysis ، Total solid soluble