تخمین حجم پرتقال تامپسون با استفاده از روش پردازش تصویر و به کمک دو روش عصبی – ژنتیک و عصبی - فازی

ماشین بینایی و پردازش تصویر روش های نوینی هستند که در بختش کشاورزی کاربردهای مختلفی دارند. از جمله کاربردهای ماشین بینایی تعیین حجم، درجه بندیف تشخیص آسیب های سطحی، تعیین رقم محصولات مختلف می باشد. در این تحقیق به بررسی چگونگی سورتینگ میوه ها با استفاده از روش پردازش تصویر و روش های رگرسیون خطی، هیبرید شبکه عصبی- الگوریتم ژنتیک (ANN-GA) و هیبرید شبکه عصبی- فازی (ANFIS) می پردازیم. 100 نمونه پرتقال تامپسون به صورت تصادفی انتخاب گردید. ا لگوریتم توسعه داده شده در نرم افزار متلب قادر به اندازه گیری مساحت، محیط، نسبت طول به مساحت، ارزش مقادیر قرمز، سبز و آبی، عرض، کنتراست، بافت، نسبت عرض به مساحت، عرض به طول، ناهمواری و طول می باشد. در روش های هیبرید شبکه عصبی- فازی و هیبرید شبکه عصبی- الگوریتم ژنتیک داده ها به دو دسته 70 درصدی جهت آموزش و 30 درصدی جهت تست تقسیم شدند. در بهترین مدل ضریب تعیین ((R(2) برای روش های هیبرید شبکه عصبی- الگوریتم ژنتیک و هیبرید شبکه عصبی- فازی و رگرسیون به ترتیب 0/988، 0/907 و 0/868 بود. بنابراین می توان نتیجه گرفت که اگر آنالیز داده ها با استفاده از روش رگرسیون خطی انجام گیرد، سیستم سورتینگ غیرمستقیم با درصد خطای کم می تواند راه اندازی گردد.

کلیدواژه ها:

پردازش تصویر ، ماشین بینایی ، عصبی - ژنتیک ، عصبی - فازی