تعیین درصد شکستگی و تعداد بذرهای ذرت و لوبیاچیتی با استفاده از یک سامانه بینایی ماشین

در آزمون خلوص بذر، می­توان از بینایی ماشین به­عنوان جایگزین مناسبی برای بینایی انسان استفاده کرد. در این تحقیق از یک سامانه بینایی ماشین استفاده و برای بذرهای ذرت و لوبیاچیتی ارزیابی شد. برای هر نوع بذر، عملکرد دستگاه مکش با سه صفحه بذر (با قطر سوراخ­های ۱، ۵/۱ و ۲ میلی­متر) و چهار مقدار مکش (۸۰-، ۱۰۰-، ۱۲۰- و ۱۳۰- میلی متر جیوه) ارزیابی شد. در هر مقدار مکش، تعداد کل بذرهای چسبیده به صفحه بذر، تعداد بذرهای جدا شده و تعداد بذرهای به­هم چسبیده روی هر سوراخ شمارش و درصد آن ها محاسبه شد. پس از آن، برای دو نوع بذر مورد آزمایش الگوریتم تعیین درصد شکستگی و تعداد بذر کدنویسی و اعتبارسنجی الگوریتم در ۳۰ تکرار ارزیابی گردید. نتایج نشان داد که برای بذر ذرت، تیمار ۱۰ (صفحه بذر با سوراخ­های۲ میلی­متر و مقدار مکش ۱۰۰- میلی­متر جیوه) و برای بذر لوبیاچیتی، تیمار ۱۱ (صفحه بذر با سوراخ­های۲ میلی­متر و مقدار مکش ۱۲۰- میلی­متر جیوه) مناسب­ترین تیمار است. نتایج اعتبارسنجی الگوریتم، برای بذر ذرت نشان داد که میانگین دقت الگوریتم برابر با ۱۰۰ درصد است. برای بذر لوبیاچیتی، نتایج اعتبارسنجی الگوریتم نشان داد که میانگین دقت الگوریتم در تعیین درصد شکستگی و تعداد بذر به­ترتیب برابر با ۲۷/۹۵ و ۴۷/۹۹ درصد است. پیشنهاد می­شود که از این سامانه برای اندازه­گیری خصوصیات فیزیکی بذر با اندازه­های مختلف استفاده شود و مورد ارزیابی قرار گیرد.

کلیدواژه ها:

آزمون خلوص بذر ، پردازش تصویر ، تلفات بذر ، یادگیری ماشین