حمید رضا احمدی - دانش آموخته کارشناسی ارشد مکانیک ماشین های کشاورزی، دانشگاه بوعلی سینا، همدان
جعفر امیری پریان - استادیار گروه مهندسی بیوسیستم، دانشگاه بوعلی سینا، همدان

طی چندین سال اخیر تمایل تازه ای به سمت برداشت رباتیک پرتقال و برخی مرکبات ایجاد شده است. اولین گام در برداشت رباتیک شناسایی دقیق و تعیین موقعیت میوه می باشد. شناسایی از طریق پردازش تصویر توسط دوربین های رنگی و کامپیوتر رایج ترین روش در حال حاضر می باشد. بدیهی است ربات برداشت با شرایط طبیعی مواجه است و شناسایی باید در شرایط مختلف نور و محیط انجام شود. در این تحقیق سعی شده است الگوریتم مناسبی به منظور تشخیص پرتقال روی سایبان درخت ارایه شود. به منظور ارزیابی الگوریتم ارایه شده تعداد 500 تصویر که در شرایط کاملا متفاوت سایبان، زاویه نور خورشید و فاصله تا درخت، گرفته شده بودند، مورد بررسی قرار گرفت. این الگوریتم شامل مراحل: بهینه سازی، قطعه بندی، فیلتر اندازه، تفکیک میوه ها بر مبنای الگوی تراکم سایه و روشنایی و تعیین مختصات می باشد. در این تحقیق برای قطعه بندی از شبکه عصبی MLP (با سه لایه مخفی) استفاده شد که موفقیت به کارگیری آن با توجه به نرخ کشف صحیح پرتقال ها با دقت 88/2% مورد تایید قرار گرفت. با توجه به درصد بالای پرتقال های خوشه ای نسبت به کل پرتقال ها در تصاویر، هر الگوریتمی که بخواهد در زمینه شناسایی پرتقال بر روی درخت موفق عمل کند باید راه حلی برای تفکیک پرتقال ها از هم ارایه دهد که در پژوهش حاضر روشی جدید بر مبنای الگوی تراکم سایه روشن، به کار گرفته شد و کارایی آن مورد ارزیابی قرار گرفت. در نهایت دقت تفکیک 89/5 درصد و دقت شناسایی 88/2 درصد به دست آمد.

برداشت پرتقال، پردازش تصویر، تفکیک، ربات برداشت، ماشین بینایی، ماکزیمم نسبی