تشخیص آسیب‌های سطحی ناشی از صدمات مکانیکی میوه انبه رقم کلک سرخ با استفاده از تکنیک پردازش تصاویر رنگی

• Main Authors: محمودرضا گلزاریان, منصوره شمیلی, امید دوستی ایرانی, پیمان آذر کیش
• Format: Article
• Language: English
• Published: Ferdowsi University of Mashhad 2016-11-01
• Series: مجله پژوهش‌های علوم و صنایع غذایی ایران
• Subjects: پردازش تصویر; آسیب های سطحی; صدمات مکانیکی; تصاویر رنگی; انبه
• Online Access: https://ifstrj.um.ac.ir/article_35722_bad7af4d6596413c88fb8e5d7020889d.pdf
• ISSN: 1735-4161; 2228-5415

سیستم بینایی ماشین یکی از ابزارهای قدرتمند به‌منظور خودکار کردن روش‌های درجه‌بندی محصولات کشاورزی است. در این تحقیق با استفاده از پردازش تصاویر رنگی تهیه‌شده از میوه انبه به تشخیص خرابی‌های ظاهری ناشی از صدمات مکانیکی پرداخته‌شده است. برای این منظور از میان ۸۰ عدد انبه با بازرسی چشمی تعداد ۶۰ نمونه انبه که بر روی آن‌ها لکه‌های سیاه‌رنگ ناشی از آسیب‌های مکانیکی در حین برداشت و جابجایی به وجود آمده بود، تشخیص داده شدند و از هر میوه در شرایط نوردهی یکسان تصویربرداری شد. با استخراج ویژگی‌های رنگی در سه مدل رنگی RGB، HSI و L*a*b* و مقایسه آماری داده‌ها مشخص شد که ویژگی‌های رنگی G و 0.16G/0.5R در محیط رنگی RGB به ترتیب با دقت ۹۰% و ۶/۹۱% و ویژگی‌های رنگیa* و 0.16L*-a*از فضای رنگی L*a*b* به ترتیب با دقت ۳۳/۹۳% و ۱۰۰% قادر به تشخیص بافت آسیب‌دیده می‌باشند. درصد مساحت استخراج‌شده از هر نمونه به‌عنوان معیاری برای درجه‌بندی میوه انبه مورداستفاده قرار گرفت. با استفاده از روش خوشه‌بندی K میانگین نمونه‌ها به دودسته تقسیم‌بندی شدند و نقطه برش بین این دودسته با استفاده از منحنی راک برابر با ۱۱/۳ بدست آمد. مساحت منحنی راک برابر با ۱ بدست آمد که نشان‌دهنده قدرت تفکیک بالای خوشه‌بندی است.