فرهاد فاتحی - دانش آموخته کارشناسی ارشد گروه مهندسی مکانیک ماشین های کشاورزی، دانشگاه تبریز
هادی صمیمی اخیجهانی - استادیار گروه مهندسی بیوسیستم، دانشگاه کردستان
اصغر محمودی - دانشیار گروه مهندسی بیوسیستم، دانشگاه تبریز
عادل حسین پور - استادیار گروه مهندسی بیوسیستم، دانشگاه ارومیه

امروزه در کشاورزی نوین، به منظور جایگزین کردن ماشین های هوشمند به جای انسان، از ترکیب تکنیک های پردازشتصویر و روش های هوشمند استفاده شده است. در پژوهش حاضر از روشی مبتنی بر پردازش تصویر و شبکه عصبی مصنوعی(ANN) برای طبقه بندی میوه توت فرنگی رقم پاروس استفاده شد. در گام اول میوه توسط فرد خبره به شش طبقه(خروجی های ANN) تقسیم شد و از هر طبقه صد نمونه به صورت تصادفی تهیه گردید. در گام بعد از تصاویر تهیه شده ازنمونه ها، سه ویژگی هندسی و دوازده ویژگی رنگ (ورودی های ANN) استخراج شد. بهینه بودن ساختارهای شبکه عصبیمصنوعی با استفاده از ریشه میانگین مربعات خطا و ضریب همبستگی بررسی شد. سرانجام شبکه عصبی پرسپترون با ساختار6-18-15 با میانگین دقت کل 83 / 83 % انتخاب گردید.

طبقه بندی توت فرنگی، رقم پاروس، پردازش تصویر، شبکه عصبی مصنوعی