تکنیک تصویر برداری ابرطیفی

امروزه تقاضا برای محصولات با کیفیت بالا افزایش یافته و استانداردهای سختگیرانه ای برای سلامت آنها وضع می شود. لذا برای ارتقاء صادرات انواع محصولات کشاورزی، استفاده از فن آوری های پیشرفته پس از برداشت، برای تعیین سریع تر، موثرتر و دقیق تر کیفیت و سلامت محصولات ضروری می باشد. در این تحقیق، روش تصویربرداری ابرطیفی در محدوده ۴۰۰ تا ۱۰۰۰ نانومتر، برای تشخیص سیب های آفت زده توسط کرم سیب، بکار برده شده است. پس از تهیه نمونه های آفت زده و انتقال آنها به آزمایشگاه، تصاویر تحت شرایط کنترل شده گرفته شدند. سپس طیف بازتابی میانگین از نواحی مطلوب استخراج و پیش پردازش گردیده و در نهایت با استفاده از چندین تکنیک یادگیری ماشین شامل تحلیل تفکیک خطی، k-نزدیکترین همسایه و درخت تصمیم گیر طبقه بندی نمونه ها انجام گرفت.  نتایج نشان داد جداسازی میوه های آفت زده با نرخ کلاس بندی ۹۶% و ۹۴% برای نمونه های سالم و آفت زده امکان پذیر بوده و بهترین نرخ کلاس بندی برای روش درخت تصمیم گیر بدست آمد. همچنین طول موج های بهینه برای توسعه تصویربرداری چندطیفی استخراج گردیدند. نتایج این پژوهش بیانگر کارآیی بالای تصویر برداری ابرطیفی در جداسازی غیرمخرب سیب های آفت زده برای استفاده در ماشین های درجه بندی می باشد.

کلیدواژه ها:

Hyperspectral imaging ، Discriminant Analysis ، Decision Tree ، K-nearest neighbor ، Apple grading