طراحي الگوريتم دسته بندي نارنگي بر اساس رنگ با استفاده از پردازش تصوير

Design of Tangerine Sorting Algorithm based on Color Using Image Processing

همه ساله مركبات زيادي مثل نارنگي در كشور به خاطر قيمت بسيار پايين آن، در باغات به صورت برداشت نشده رها مي شود كه باعث وارد آمدن خسارت زياد به باغداران مي شود. از طرفي عرضه محصول يك دست از نظر ميزان رسيدگي به بازار، با استقبال زيادي از طرف مصرف كننده روبرو شده و باعث رونق گرفتن بازار فروش محصول خواهد شد. نارنگي داراي ارقام مختلفي است كه در اين پژوهش، نارنگي رقم انشو مورد مطالعه قرار گرفته است و از روش پردازش تصوير و شبكه هاي عصبي مصنوعي (ANN) براي طبقه بندي ميوه نارنگي به سه دسته رسيده، نيمه رسيده و نارس استفاده شد. تعداد 120 نمونه ميوه نارنگي توسط فرد خبره به سه دسته رسيده، نيمه رسيده و نارس دسته بندي و سپس تصاوير آنها با استفاده از يك سيستم تصويربرداري بدست آمد. پس از عكس برداري از نارنگي ها و عمليات پيش پردازش، قطعه بندي و طبقه بندي تصاوير، تصاوير به كانال هاي رنگي مختلف مثل فضاهاي رنگي RGB، HSV، YCbCr و CMY ، منتقل و ويژگي هاي آماري تصاوير استخراج گرديد. ميانگين مولفه دوم فضاي رنگي YCbCr، انحراف معيار مولفه سوم فضاي رنگي YCbCr، انحراف معيار مولفه سوم فضاي رنگي CMY، ميانگين مولفه اول فضاي رنگي HSV، ميانگين مولفه سوم فضاي رنگي HSV و انحراف معيار مولفه دوم فضاي رنگي HSV به عنوان خصوصيت موثركه همان ورودي سيستم طبقه بند پيشنهاد شده مي باشند، انتخاب شدند. در كل 6×4 خصوصيت از هر نمونه استخراج شد. در مجموع درصد طبقه بندي صحيح سه كلاس برابر با 22/97 درصد به دست آمد. نتايج حاصل از اين مطالعه نشان مي دهد كه سيستم پيشنهادي توانايي تشخيص نارنگي هاي رسيده از نيمه رسيده و نارس با دقت مناسب را دارد. بنابراين مي توان نتيجه گرفت كه روش هاي نوين نظير پردازش تصوير و هوش مصنوعي براي دسته بندي نارنگي به كار گرفته شود.

Many citrus fruits, such as tangerines in the country, are abandoned in orchards every year due to their low prices, causing great damage to the gardeners. On the other hand, the supply of homogeny product in terms of the amount ripeness, to the market, will be welcomed by the consumer and will stimulate the market for product sales. Tangerine has different varieties that in this research, Unshiu variety of Tangerine has been studied and image processing and artificial neural networks (ANN) were used for classification of tangerines into three degrees of ripe, half - ripe and unripe. 120 Tangerine fruit samples that graded by Expert Grading person, were selected an‎d then their images were obtained using an imaging system. After taking pictures of tangerines, pre - processing operations, Segmentation operations and Classification of images were done and Images' attributes transferred to different color channels Specified such as RGB, HSV, YCbCr and CMY and the statistical characteristics of the images were extracted. Average of second component of YCbCr color space, standard deviation of third component of YCbCr color space, standard deviation of third component of CMY color space, average of first component of HSV color space, average of third component of HSV color space and standard deviation of second component of HSV color space were selected as input of proposed system. In total 6 × 4 Characteristics were extracted from each sample. Overall, the percentage of the correct classification of the three classes was 97.22 %. The results of this study indicated that the proposed system is capable to detect tangerines ripe, half - ripe and unripe carefully fit it had. Therefore, it can be concluded that modern methods such as image processing and artificial intelligence are used to classify tangerines.