کامران خیرعلی پور - استادیار گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ایلام
فرشید مرزبانی - فارغ التحصیل کارشناسی ارشد رشته مهندسی مکانیک بیوسیستم، گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ایلام

ایران بزرگترین تولیدکننده انار در جهان است. یکی از مشکلات پیش از برداشت انار آفتاب سوختگی است که در اثر تقابل دما و نور شدید رخ میدهد. این عارضه موجب کاهش کیفیت و ارزش اقتصادی محصول میگردد که نیازمند جداسازی آن از میوههای سالم است. لذا در این پژوهش درجهبندی انار با استفاده از روش پردازش تصویر مد نظر قرار گرفته است. بـر ایـن اسـاس تصـاویر 140نمونه انار آفتابسوخته و سالم، رقم ملس، با استفاده از یک اتاقک تصویربرداری تهیه گردید. الگوریتمی در نرم افـزار متلـب 2010 برای پردازش تصاویر کدنویسی گردید. توسط این الگوریتم مراحل پیش پردازش و استخراج ویژگی انجام شد. در نـرم افـزار متلـب 2010 یک الگوریتم طبقهبند به روش شبکه عصبی مصنوعی برای طبقهبندی ویژگیهای استخراجشده طراحی گردید. در کل تعداد 267 ویژگی از فضاهای مختلف رنگی استخراج گردید که از بین آنها میانگین کانال قرمز، میانـه کانـال قرمـز ، مـد کانـال قرمـز، میانگین کانال *a ،میانه کانال *a ،مد کانال *a ،میانگین کانال *b ،میـانگین کانـال cg ،و سـهم مسـاحت سـیاهه بـه عنـوان ویژگیهای کارا برای طبقهبندی انارهای سالم و آفتابسوخته تشخیص داده شد. دقت تشخیص انارهای آفتابسوخته از انواع سالم توسط الگوریتم 100 %بدست آمد. در نهایت یک سامانه برای تشخیص انار سالم از آفتابسوخته بـر اسـاس دو الگـوریتم پـردازش تصویر و شبکه عصبی مصنوعی طراحی و ساخته شد. نتایج این تحقیق برای جداسازی مکانیزه میوههای انار آفتابسوخته از سـالم قابل استفاده میباشد.

آفتابسوختگی، انار، شبکه عصبی مصنوعی، طبقهبندی، ماشین بینایی