کامران خیرعلی پور - استادیار گروه مهندسی بیو سیستم، دانشگاه ایلام.
حجت احمدی - دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران
علی رجبی پور - دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران
شاهین رفیعی - دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران

بازرسی ایمنی و تشخیص بیماری در محصولات کشاورزی یکی از مراحل مهم و حساس در عملیات پس از برداشت می باشد. در این راستا، فناوری تصویربرداری فراطیفی یکی از روشهای توانمند میباشد که اخیرا مورد توجه محققین قرار گرفته است. در این تحقیق از این روش برای طبقه بندی مغز پسته سالم و آلوده به قارچ آسپرژیلوس فلاووس، جدایه KK11، استفاده شد. سامانه تصویربرداری شامل یک دوربین، یک لنز 25 میلیمتری، دو فیلتر طول موج متغیر، منبع نوری، رایانه، کارت تصویرگیر و نرم افزار اکتساب ابرمکعب بود. هشت طبقه مختلف شامل پسته سالم و پسته آلوده در هفت مرحله از رشد قارچ، یعنی آلودگی یک روزه تا هفت روزه، مورد تحقیق قرار گرفت. برای هر طبقه حدود 48 نمونه در نظر گرفته شد. هر فرامکعب شامل 75 لایه تصویر، از 960 تا nm با فواصل nm 10، بود. پس از پیشپردازش تصاویر در نرم افزار متلب، از روش تحلیل مولفه های اصلی برای به دست آوردن طول موج های موثر جهت طبقه بندی طبقه های مختلف پسته استفاده شد که سه طول موج یعنی، 1090، 1280 و nm 1700 انتخاب گردیدند. پس از استخراج ویژگی های مختلف در سه طول موج انتخابی، داده های بدست آمده با استفاده از روشهای شبکه عصبی مصنوعی (ANN) و اعتبارسنجی K- بخشی ( KFCV ) طبقه بندی گردیدند که دقت آنها در تشخیص پسته سالم و پسته آلوده بدون در نظر گرفتن مرحله آلودگی به ترتیب 96/80 و 98/55 % بود.

آلودگی قارچی، آسپرژیلوس فلاووس، پردازش تصویر؛ فناوری تصویربرداری فراطیفی؛ مغز پسته