تكنيك تصوير برداري ابرطيفي

Non-destructive Detection of Codling Moth (.Cydia pomonella L) Damage in Apple Fruit Using Hyperspectral Imaging Method

امروزه تقاضا براي محصولات با كيفيت بالا افزايش يافته و استانداردهاي سختگيرانه‌اي براي سلامت آنها وضع مي شود. لذا براي ارتقاء صادرات انواع محصولات كشاورزي، استفاده از فن آوري هاي پيشرفته پس از برداشت، براي تعيين سريع تر، موثرتر و دقيق تر كيفيت و سلامت محصولات ضروري مي باشد. در اين تحقيق، روش تصويربرداري ابرطيفي در محدوده 400 تا 1000 نانومتر، براي تشخيص سيب هاي آفت زده توسط كرم سيب، بكار برده شده است. پس از تهيه نمونه هاي آفت زده و انتقال آنها به آزمايشگاه، تصاوير تحت شرايط كنترل شده گرفته شدند. سپس طيف بازتابي ميانگين از نواحي مطلوب استخراج و پيش پردازش گرديده و در نهايت با استفاده از چندين تكنيك يادگيري ماشين شامل تحليـل تفكيك خطي، k-نزديكترين همسايه و درخت تصميم گير طبقه بندي نمونه ها انجام گرفت. نتايج نشان داد جداسازي ميوه هاي آفت زده با نرخ كلاس بندي 96% و 94% براي نمونه هاي سالم و آفت زده امكان پذير بوده و بهترين نرخ كلاس بندي براي روش درخت تصميم گير بدست آمد. همچنين طول موج هاي بهينه براي توسعه تصويربرداري چندطيفي استخراج گرديدند. نتايج اين پژوهش بيانگر كارآيي بالاي تصوير برداري ابرطيفي در جداسازي غيرمخرب سيب هاي آفت زده براي استفاده در ماشين‌هاي درجه‌بندي مي‌باشد.

In this study, Hyperspectral Imaging method in the range of 400-1000nm has been applied to detect infested apples from normal ones. After preparing the infested samples acording to standard and transfering the samples to the lab, the images were taken under controled situation. Afterwards, average relative reflectance was extracted from the region of interest and then was pre-processed. Finaly the average relative reflectance data was classifeid using different machine learning methods including Discriminant Analysis (DA), K-nearest neighbor (KNN) and Decision Tree (DT) techniques. Results showed that classification of infested samples from normal ones was possible with the classification rates of 96% and 94% for normal and infested apples, respectively. The highest classification rate achieved for DA method. Also, the optimum wavelengths were extracted from the spectrum in order to develop Multispectral Imaging system. The results of this research indicate the high performabce of Hyperspectral Imaging Method for non-destructive detection of infested samples for application in apple grading machines.