پديد آورندگان :
رسولي شربياني، ولي دانشگاه محقق اردبيلي - دانشكده كشاورزي و منابع طبيعي - گروه مهندسي بيوسيستم , فرهادي، رويا دانشگاه محقق اردبيلي - دانشكده كشاورزي و منابع طبيعي - گروه مهندسي بيوسيستم , افكاري سياح، امير حسين دانشگاه محقق اردبيلي - دانشكده كشاورزي و منابع طبيعي - گروه مهندسي بيوسيستم , تقي نژاد، ابراهيم دانشگاه محقق اردبيلي - دانشكده كشاورزي و منابع طبيعي - گروه مهندسي فناوري كشاورزي
چكيده فارسي :
امروزه روش ماشين بينايي به‌طور گسترده‌اي در كشاورزي و به ويژه در صنايع غذايي مورد استفاده قرار مي‌گيرد. از اين سيستم در واحدهاي جداسازي كيفي و بالاخص براي محصولات با ارزش نظير مغز گردو مي‌توان استفاده نمود. در اين تحقيق امكان جداسازي مغز گردو در سه دسته كيفي مغزگردو‌هاي سالم روشن، سالم تيره و معيوب بر اساس فضاهاي هاي رنگي RGB، HSV و L*a*b* مورد بررسي قرار گرفت. سامانه ماشين بينايي شامل جعبه روشنايي، يك دوربين تصويربرداري (مدل سوني با دقت 4 مگاپيكسل)، يك رايانه و نرم‌افزار متلب مي‌باشد. پس از تصوير برداري از نمونه هاي در فضاي RGB، مولفه هاي مربوط به دو فضاي رنگي ديگر با استفاده از توابع تبديل بدست آمد. سپس، جداسازي نمونه‌هاي سالم از ناسالم با استفاده از تحليل آماري سه فضاي رنگي گفته شده، مورد ارزيابي قرار گرفت. نتايج نشان داد كه در سيستم رنگي RGB از طريق مولفه‌هايR (شدت رنگ قرمز) و G (شدت رنگ سبز) و در سيستم رنگيHSV بر اساس مولفه‌هاي Hو Vجداسازي نمونه‌هاي سالم امكان‌پذير است. همچنين در فضاي رنگي L*a*b*، مولفه‌هايL* و b* قادر بودند كه نمونه‌هاي سالم را از دو دسته ديگر نمونه‌ها جدا كنند. اما در مورد جداسازي نمونه‌هاي سالم تيره از نمونه‌هاي معيوب، به دليل همپوشاني رنگ‌ها اين امكان وجود ندارد. از بين شاخص‌هاي بافت سطحي، فقط پارامترهاي contrast و energy قادر به جداسازي نمونه‌هاي سالم بودند.
چكيده لاتين :
Nowadays, application of machine vision techniques had been extensively used in agriculture and particularly in food industries. This system can be used in quality separation, especially for valuable products such as walnut. The high nutritional value of walnuts has caused the crop to be widely processed in many processed foods. The texture is one of the most important features of agricultural crops which has been widely applied in food industry for quality evaluation. The texture of images reflects changes in pixel intensity values, which may include information from the geometric structure of objects. In this study, the possibility of walnut separating in three categories, based on quality, including: light-intact , dark-intact and damaged kernel using image processing and color systems such as RGB, HSV and L*a*b* on Kaghazi varieties was investigated. The machine vision system includes a lighting box, a camera (model SC-W12 SONY with resolution of 4 mega pixels), a computer and MATLAB software. So that, all samples are captured in RGB color system, then using transfer functions the other color systems components were calculated. Also, separation of intact samples from non-intact was evaluated using statistical analyzing on color space of RGB, L*a*b* and HSV. The results showed that in the RGB color space using of components of R (redness intensity) and G (green color intensity), and in the HSV color space based on component H and V, separation of healthy samples was possible. The success of this method was 92%. Also, in the L*a*b* color space, components of L* and b* be able to clear healthy samples from the other two categories. The success of this method was 90%. However, separating dark-intact samples from damaged samples were not possible because of overlapping of colors area. In case of surface tissue indices, contrast and energy were able to separate intact samples from non-intact samples.
