سولماز جنتی - دانشجوی کارشناسی ارشد، دانشکده مهندسی زراعی و عمران روستایی، گروه مکانیک بیوسیستم، دانشگاه کشاورزی و منابع طبیعی خوزستان
سامان آبدانان مهدی زاده - استادیار، دانشکده مهندسی زراعی و عمران روستایی، گروه مکانیک بیوسیستم، دانشگاه کشاورزی و منابع طبیعی خوزستان
هادی اورک - دانش آموخته کارشناسی ارشد، دانشکده مهندسی زراعی و عمران روستایی، گروه مکانیک بیوسیستم، دانشگاه کشاورزی و منابع طبیعی خوزستان

سیستم بینایی ماشین، از جمله سیستم های جدید در زمینه تشخیص کیفیت محصولات کشاورزی است. سیب از جمله میوه هایی است که کیفیت ظاهری آن عاملی تعیین کننده در بازارپسندی این محصول بشمار می رود. تشخیص خودکار سیب های معیوب از طریق سیستم بینایی ماشین به علت توزیع ناهموار نور بر روی سطح آن ها و شباهت بین نقص های واقعی با تغییرات رنگ پوسته امری دشوار می باشد. بدین منظور در این پژوهش یک روش جدید برای تشخیص معیوب ظاهری سیب با استفاده از سیستم بینایی ماشین با ترکیب تصحیح خودکار نور، تعداد عیب ها، ارائه گردید. به منظور طبقه بندی نمونه ها، ابتدا هیستوگرام تصایور اخذ شده از آن ها بر اساس روش ترکیب خطی فضای RGB تصحیح و سپس تعداد 3 ویژگی رنگی و 11 ویژگی بافتی از آن ها استخراج گردید. بر اساس نتایج انتخاب ویژگی، بهترین ویژگی ها به منظور بالاترین دقت در طبقه بندی به ترتیب آنتروپی، انرژی، همبستگی و صافی محلی بودند. نهایتا به منظور طبقه بندی داده ها از دو طبقه بند ماشین ارتباط برداری (RVM) و ماشین بردار پشتیبانی (SVM) استفاده گردید. بر اساس نتایج بدست آمده دقت طبقه بند RVM در گروه سالم 95%، در گروه ناسالم 82% و در مجموع 5/88 % بدست آمده است، اما دقت طبقه بند SVM در گروه سالم 100%، در گروه ناسالم 23/94 % و در مجموع 11/97 % بود. بنابراین برای تشخیص نمونه سالم از نمونه ناسالم طبقه بند SVM با توجه به عملکرد مناسب تر نسبت به RVM با توجه به دقت بیشتر و خطای کمتر مناسب تر می باشد.

پردازش تصویر, عیوب ظاهری, طبقه بندی