الهام عمرانی - کارشناس ارشد بیوسیستم پردیس کشاورزی و منابع طبیعی دانشگاه تهران
سید سعید محتسبی - استاد گروه بیوسیستم پردیس کشاورزی و منابع طبیعی دانشگاه تهران
شاهین رفیعی - استاد گروه بیوسیستم پردیس کشاورزی و منابع طبیعی دانشگاه تهران
سلیمان حسین پور - استادیار بیوسیستم پردیس کشاورزی و منابع طبیعی دانشگاه تهران

در کشاورزی مدرن امروز، از پردازش تصویر برای مکانیزه و جایگزین کردن ماشین های هوشمند به جای انسان استفاده شده است. یکی از آن موارد شناسایی ارقام گوناگون گیاهان است. شناسایی ارقام گوناگون، در برنامه به نژادی گیاهان اهمیت بالایی دارد. روش معمول برای انجام این عمل، بررسی چشمی برگها و میوههای گیاهان است که این عمل به دلیل وقت گیربودن مقرون به صرفه نیست. شناسایی نمونه ها و طبقهبندی آن ها با روش ماشین بینایی میتواند سریعتر انجام گردد. در این تحقیق چهار رقم گرانیاسمیت، گلاب کهنز، گالا، و دلبار استیوال مطالعه شدند. در ابتدا نمونه های برگ جمع آوری و از نمونهها تصویربرداری شد و پس از پردازش تصاویر با الگوریتم نوشته شده در نرم افزار مت لب، ویژگیهای مورفولوژیک، رنگ، و بافت برای هر یک از تصاویر محاسبه شد و سپس از سیستم استنتاج عصبی فازی تطبیقی (Adaptive neuro- fuzzy inference system) برای طبقه بندی نمونهها استفاده شد. نتایج نشان داد که بهترین سیستم استنتاجی با توابع عضویت ورودی و خروجی به ترتیب خطی و مثلثی و روش آموزش مرکب در حالت دستهبندی شبکهای سیستم استنتاج فازی، بالاترین دقت را داشت و دقت این روش برای داده های طبقه بندی آزمایشی ۸۳/۹۵درصد گزارش شد.

تشخیص ارقام سیب, تحلیل بافت تصویر, دسته بندی شبکهای, ماشین بینایی