رضا بورد - سرپرست ممیزی و پایش دفع آفات و حفظ نباتات، موسسه تحقیقات و آموزش توسعه نیشکر و صنایع جانبی، اهواز، خوزستان
مریم سلطانی کاظمی - دانش آموخته دکتری مکانیک بیوسیستم، دانشگاه تربیت مدرس، تهران، ایران
حسین ولی عیدی - مدرس مهندسی صنایع و سیستم ها، دانشگاه صنایع و معادن ایران
امیرعباس آبین - مدیر ممیزی و پایش عملکرد کشاورزی، موسسه تحقیقات و آموزش توسعه نیشکر و صنایع جانبی، اهواز، خوزستان
آقاجان بهادری - مدیرعامل موسسه تحقیقات و آموزش توسعه نیشکر و صنایع جانبی، اهواز، خوزستان

کنترل محصول در حال فراورش با استفاده بینایی ماشین یکی از بزارهای به روز سازمانها می باشد. شناسایی گره ساقه نیشکر یکی از فناوری هایاصلی مورد نیز برای هوشمندسازی و مکانیزه کردن صنعت نیشکر است. با این حال، تشخیص سریع و دقیق گره ها هنوز یک چالش مهم است.در این مقاله، الگوریتم جدیدی بر اساس مجموع پیکسل های حداقل نقاط عمودی (کمترین پیکسل) پیشنهاد شده است که می تواند نرخ شناساییرا بهبود بخشد. برای این منظور، از دو واریته نیشکر IRC۹۹۰۲ و CP۶۹-۱۰۶۲ استفاده شده است. تصویر RGB گرفته شده از دو واریتهنیشکر به فضای رنگی HSV تبدیل می شود. سپس کانال S از فضای رنگی HSV استخراج شده و با آستانه گذاری اتسو بر روی این کانال،تصویر باینری حاصل می شود. در مرحله بعد عملیات مورفولوژیک بستن به منظور حذف نویزهای باقی مانده در تصویر مورد استفاده قرار می گیرد.پس از آن، از نوار مرکزی با تعداد ۱۰ پیکسل نمونه برداری انجام می شود. پس از رسم نمودار شدت پیکسل، مقدار کمینه را به عنوان گره در نظرگرفته شد. در مرحله بعدی مربعی به اندازه قطر ساقه جدا و گره توسط این مربع قابل شناسایی گردید. نتایج نشان می دهد که با استفاده ازالگوریتم پیشنهادی، نرخ شناسایی صحیح تک گره دوگره و سه گره در واریته IRC۹۹۰۲ به ترتیب ۱۰۰، ۱۰۰، ۹۵/۵۵ می باشد. همچنین برایواریته CP۶۹-۱۰۶۲ نرخ های ۹۹/۲۳، ۹۶/۸۵، ‎۹۳/۴۷ بدست آمده است. دقت کلی به منظور تشخیص انواع گره در دو واریته IRC۹۹۰۲ وCP۶۹-۱۰۶۲ به ترتیب ‎۹۷/۱۲ و ‎۹۵/۲۳ محاسبه شد. نتایج نشان داد که این الگوریتم توانایی بالایی در تشخیص تک گره نسبت به چند گرهبرای هر دو واریته را داشت.

شناسایی گره های نیشکر، بینایی ماشین، پیش پردازش، تابع طرح عمودی