مرتضی جعفرلو - دانشجوی کارشناسی ارشد مهندسی مکانیک ماشین های کشاورزی دانشکده کشاور
رحمان فرخی تیمورلو - استادیار گروه مهندسی مکانیک ماشین های کشاورزی دانشکده کشاورزی دانشگ

پردازش تصویر و شبکه عصبی از ایزارهای پرکاربرد و غیر مخرب هستند که استفاده هاس زیادی در کشاورزی دارند. اندازه گیری حجم در پژوهش حاضر، نمونه ای از این موارد است. در این پژوهش برای برآورد حجم محصول درختی (رد دلیشز) از سیستم ماشین بینایی و شبکه عصبی استفاده شده است. سیستم ماشین بینایی شامل یک عدد دوربین، سیستم نور پردازی، یک جعبه ی مخصوص عکسبرداری و یک کامپیوتر بود. در این مطالعه ابتدا با استفاده از دوربین به فاصلهی ثابت از نمونه ها عکس برداری شد و تصاویر رنگی به دست آمده به کمک نرم افزار Matlab پردازش شده و لبه ی آن ها استخراج گردید. سپس سطح بدست امده در راستای عمود بر محور طولی سیب به المان هاینازکی تقسیم بندی گردیده و حول محور دوران داده شدند حجم حاصل از دوران این المان ها به کمک روابط رایضی بر حسب پیکسل محاسبه شد. حجم واقعی سیب با استفاده از روش جابجایی آب بر حسب سانتی متر مکعب بدست آمد. سپس رابطه ایی بین حجم پیکسل سیب ارائه گردید که م یتواند در تخمین حجم سیب استفاده شود. این رابطه توانست حجم سیب را با دقت 92 درصد تخمین بزند. ازمون t نشان داد که تخمین حجم واقعی سیب در سطح حتمال 5% اختلاف معنی داری نداشتند و اختلاف میانگین بین حجم ها 1/52 سانتیمتر مکعب یم باشد. استفاده از شبکه عصبی با پارامترهای ورودی ابعاد و جرم سیب دقت اندازه گیری حجم را تا 97 درصد بالا برد. این تحقیق نشان می دهد که پردازش تصویری و شبکه عصبی می تواند به عنوان روش های کارآمد در تخمین حجم محصولات کشاورزی باشند.

پردازش تصویر، حجم، جرم، سیب، شبکه عصبی