تشخيص آسيب محصول گوجه فرنگي و دسته بندي گوجه فرنگي از لحاظ سلامت يا خرابي با استفاده از ماشين بينايي و ANFIS

Diagnosis and classification of tomato products in terms of health, damage or malfunction by using of machine vision and ANFIS

از مهمترين فرآيندها در بسته بندي و نگهداري محصولات كشاورزي عمليات دسته بندي مي باشد. اين عمليات توجه بسياري از متخصصين و فعالين حوزه را به خود اختصاص داده است و تكنولوژي هاي بروز و كارآمدي در اين زمينه طراحي شده اند. هدف در پژوهش حاضر بدست آوردن الگوريتمي براي تشخيص و دسته بندي محصول گوجه فرنگي و ارائه سامانه اي كارآمد در اين زمينه مي باشد. براي اين فرآيند از شبكه هاي فازي عصبي موسوم به ANFIS استفاده شده است كه در عين سادگي كار و تنظيم كردن، دقتي همپاي شبكه هاي عصبي را براي ما به ارمغان مي آورد. پس از عكس برداري از نمونه هاي گوجه فرنگي تهيه شده اين نمونه ها توسط فرد خبره در 2 دسته : ناسالم و سالم قرار داده شد. ويژگي هاي تصاوير گرفته شده از اين نمونه ها با استفاده از ماشين بينايي و الگوريتم هاي طراحي شده بدست آمده و به سامانه ANFIS سپرده شد. دسته بندي با استفاده از اين سامانه و اطلاعات بدست آمده از ماشين بينايي از لحاظ جداسازي محصول سالم از ناسالم انجام گرديد، ميزان دقت براي قبل و بعد از آموزش بدست آمد كه براي اين عمليات ميزان دقت پس از آموزش 95 % بود.

Sorting is the most important process in packaging and storage of agricultural products operations. Many specialists devote their attention to design update and effective technologies in this field. The aim of this study was to obtain an algorithm for the detection and grading of tomato products and offer an efficient system is in this area. For simplicity of these operations, we used the easy and accurate set up process of fuzzy neural networks that is called ANFIS. After imaging, the tomato samples were classified by expert in 2 categories of healthy and damaged. Features images of the samples were obtained by using machine vision and designed algorithms were entrusted to ANFIS system. Accuracy of this system after the training process was obtained 95% that showed these amounts represent 10% difference in the values of pre-training