برآورد حجم سیب و تورفتگی های آن، به کمک پردازش تصویر و شبکه ی عصبی

خواص فیزیکی محصولات کشاورزی از مهمترین پارامترهای طراحی سیستم های بسته بندی و درجه بندی هستند و حجم محصولات کشاورزی، یکی از این خواص می باشد که بایستی به طور دقیق اندازه گیری شود. پردازش تصویر و شبکه ی عصبی از ابزار های پرکاربرد و غیر مخربی هستند که اخیرا به این منظور استفاده می شوند. در این مطالعه ابتدا با استفاده از دوربین به فاصله ی ثابت از نمونه ها عکس برداری گردیده و تصاویر رنگی با نرم افزار Matlab پردازش شده و لبه ی سیب ها استخراج گردید. سپس سطح به دست آمده در راستای عمود بر محور طولی سیب، به المان های نازک ذوزنقه ای تقسیم بندی گردیده و حجم حاصل از دوران این المان ها بر حسب پیکسل محاسبه شد. سپس سیب ها از وسط برش داده شده و عکس برداری شدند تا حجم تورفتگی های سیب به دست آمده و از حجم کل سیب کاسته شود. حجم واقعی سیب نیز با استفاده از روش جابه جایی آب، بر حسب سانتی متر مکعب اندازه گیری شد و رابطه ایی بین حجم واقعی و حجم پیکسلی سیب ارایه گردید که می تواند در تخمین حجم سیب استفاده شود. آزمون t و بلاند-آلتمن نشان داد که بین حجم واقعی سیب و حجم پردازش تصویر در سطح احتمال 5% اختلاف معنی داری نیست و اختلاف میانگین بین آن ها 1/52 سانتی متر مکعب بوده و دارای دقت 92 /0 می باشد. استفاده از شبکه عصبی با پارامترهای ورودی ابعاد و جرم سیب دقت اندازه گیری حجم سیب را تا 97 /0 بالا برده و اختلاف میانگین بین حجم ها را تا 0/7 کاهش داد. این تحقیق نشان می دهد که پردازش تصویر و شبکه ی عصبی می توانند به عنوان روش های ساده و کارآمد در تخمین حجم محصولات کشاورزی استفاده گردند.