نرگس قانعی قوشخانه - عضو هییت علمی، گروه مهندسی بیوسیستم، دانشگاه فردوسی مشهد
محمودرضا گلزاریان - دانشجوی دکتری، گروه مهندسی بیوسیستم، دانشگاه فردوسی مشهد
مجتبی ممرآبادی - عضو هییت علمی، گروه مهندسی بیوسیستم، دانشگاه فردوسی مشهد

با توجه به اهمیت روزافزون کاهش ضایعات محصولات کشاورزی، پیشگیری از رشد کپک سبز پرتقال که یکی از عواملضایعات انباری است بیش از پیش مورد نیاز است. شناسایی غیرمخرب نمونه های آلوده به قارچ قبل از ورود به انبار توسطتصویربرداری چندطیفی با کلاسه بندی ناحیه و سالم و آلوده در این تحقیق مورد بررسی قرار گرفت. از آنجایی که هر فرآیندکلاسه بندی به دنبال یک رابطهی تابعی بین عضویت گروهی و ویژگی های شی است، شبکه عصبی با ایجاد مدل های غیرخطیکه در مدلسازی روابط پیچیده دنیای واقعی بسیار قوی است میتواند برای شناسایی این رابطه تابعی استفاده گردد. در نتیجه ازشبکه عصبی مصنوعی به منظور کلاسه بندی دادههای طیفی ناحیه سالم و آلوده استفاده گردید و درصد کلاسه بندی درست 6 / 89درصد به دست آمد. شبکه عصبی مصنوعی با داده های جدید نیز مورد ارزیابی قرار گرفت که بالاترین دقت طبقه بندی 84 / 96 درصد به دست آمد.

قارچ .Penicillium sp، تصویربرداری طیفی، شبکه عصبی مصنوعی، کلاسه بندی