درجه بندي كيفي انار به روش پردازش تصوير و شبكه عصبي مصنوعي

ايران بزرگترين توليدكننده انار در جهان است. يكي از مشكلات پيش از برداشت انار آفتاب سوختگي است كه در اثر تقابل دما و نور شديد رخ مي‌دهد. اين عارضه موجب كاهش كيفيت و ارزش اقتصادي محصول مي‌گردد كه نيازمند جداسازي آن از ميوه هاي سالم است. لذا در اين پژوهش درجه‌بندي انار با استفاده از روش پردازش تصوير مد نظر قرار گرفته است. بر اين اساس تصاوير 140 نمونه انار آفتاب‌سوخته و سالم، رقم ملس، با استفاده از يك اتاقك تصويربرداري تهيه گرديد. الگوريتمي در نرم افزار متلب 2010 براي پردازش تصاوير كدنويسي گرديد. توسط اين الگوريتم مراحل پيش پردازش و استخراج ويژگي انجام شد. در نرم افزار متلب 2010 يك الگوريتم طبقه بند به روش شبكه عصبي مصنوعي براي طبقه بندي ويژگي هاي استخراج‌شده طراحي گرديد. در كل تعداد 267 ويژگي از فضاهاي مختلف رنگي استخراج گرديد كه از بين آن ها ميانگين كانال قرمز، ميانه كانال قرمز، مد كانال قرمز، ميانگين كانال a*، ميانه كانال a*، مد كانال a*، ميانگين كانال b*، ميانگين كانال cg، و سهم مساحت سياهه به عنوان ويژگي هاي كارا براي طبقه بندي انار‌هاي سالم و آفتاب‌سوخته تشخيص داده شد. دقت تشخيص انار‌هاي آفتاب‌سوخته از انواع سالم توسط الگوريتم 100% بدست آمد. در نهايت يك سامانه براي تشخيص انار سالم از آفتاب‌سوخته بر اساس دو الگوريتم پردازش تصوير و شبكه عصبي مصنوعي طراحي و ساخته شد. نتايج اين تحقيق براي جداسازي مكانيزه ميوه هاي انار آفتاب سوخته از سالم قابل استفاده مي باشد.