بهینه سازی عملکرد دستگاه های درجه بندی سیب با استفاده از شناسایی لهیدگی و دمگل سیب و تکنیک ماشین بینایی
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 98
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_FSCT-12-47_014
تاریخ نمایه سازی: 1 آذر 1402
چکیده مقاله:
چکیده میوه سیب از جمله محصولات باغی بسیار ارزشمند از لحاظ غذایی به شمار می آید و تولید آن در کشور ما از جایگاه بالایی در زمینه اشتغال زایی و ارزآوری برخوردار است. از میان روشهای غیر مخرب کنترل کیفی سیب، فناوری ماشین بینایی چشم اندازی مطمئن برای دستیابی به سرعت، کیفیت ارزیابی بالاتر و حصول بهره وری بیشتر برای این محصول ترسیم نموده است. تشخیص لهیدگی سیب در بسیاری از موارد با تشخیص دمگل همپوشانی داشته و این امر بکارگیری ماشین بینایی را به منظور درجه بندی کیفی سیب با چالش جدی مواجه می نماید. پژوهش حاضر به منظور رفع چالش مذکور و افزایش دقت عملکرد سیستم های درجه بندی سیب صورت پذیرفت. به منظور تحقق این امر دو الگوریتم جداگانه بر اساس رنگ برای شناسایی لهیدگی و دمگل در نرم افزار Matlab طراحی گردید. برای الگوریتم لهیدگی دقت %۱۴/۹۷ و برای الگوریتم دمگل دقت %۱۰۰ بدست آمد. سپس با ادغام این دو الگوریتم یک الگوریتم جامع بدست آمد که دارای دقت %۲۹/۹۴ می باشد. در ادامه آزمایشاتی جهت بررسی احتمالی افزایش دقت در شناسایی لهیدگی با گذشت زمان نگهداری توسط الگوریتم لهیدگی انجام گرفت. نتایج حاکی از آنست که کیفیت تشخیص لهیدگی توسط این الگوریتم به تدریج افزایش یافته و پس از دو تا سه روز به ثبات مطلوبی می رسد. همچنین الگوریتم دیگری که ویژگیهای خاصی از شکل تصاویر لهیدگی و دمگل از جمله میزان گرد بودن، نسبت مساحت به مربع محیط آن ناحیه و نیز ضریب تغییرات (cv) فواصل نقاط روی لبه از مرکز ثقل تصویر را استخراج می نمود، طراحی گردید و سپس همراه با به کارگیری فناوری شبکه های عصبی مصنوعی لهیدگی و دمگل با دقت %۱۰۰ از یکدیگر تمییز داده شدند که اثباتی بر لزوم استفاده از این تکنیک در تلفیق با روش های ماشین بینایی جهت افزایش دقت کارایی دستگاه های درجه بند می باشد.
کلیدواژه ها:
Apple bruise ، Machine Vision ، ANN ، Algorithm ، لهیدگی سیب ، ماشین بینایی ، شبکه عصبی مصنوعی ، الگوریتم
نویسندگان
Samira Karimi
کارشناس ارشد رشته مکانیک ماشین های کشاورزی، دانشگاه تربیت مدرس
Ashkan Nikian
کارشناس ارشد رشته مکانیک ماشین های کشاورزی، دانشگاه شیراز
Abuzar Velayati
کارشناس ارشد رشته مکانیک ماشین های کشاورزی، دانشگاه شیراز