بررسی استفاده از پردازش تصاویر دیجیتالی برای تشخیص پارامتر های مورفولوژیک غده های سیب زمینی

این تحقیق با هدف جداسازی سه واریته سیب زمینی به نام های اگریا، آلمرا و مارفونا توسط سیستم ماشین بینایی و با استفاده از پردازش تصاویر دیجیتال انجام شده است. جداسازی بر اساس مشخصه های هندسی، بافتی، رنگ پوست و رنگ گوشت غده انجام شد. برای این منظور یک سیستم ماشین بینایی به منظور جداسازی واریته های مورد آزمایش بر مبنای مشخصه های مورفولوژیکی غده طراحی شد. برای ایجاد شرایط نورپردازی ثابت و مناسب یک محفظه نورپردازی طراحی و ساخته شد. پس از انتخاب بهترین شرایط نورپردازی، با استفاده از یک دوربین دیجیتال تصاویر مناسبی از پوست و گوشت 130 غده از هر واریته تهیه شد. تصاویر تهیه شده به رایانه منتقل شد. سپس برنامه های لازم برای پردازش تصاویر و استخراج ویژگی های مورد نظر در محیط برنامه نویسی متلب و با استفاده از توابع موجود در جعبه ابزار پردازش تصویر نوشته شد. روش جداسازی شامل دو مرحله بود: مرحله آموزش و مرحله آزمایش. از هر واریته 80 تصویر برای مرحله آموزش و 50 تصویر برای مرحله آزمایش برنامه ها استفاده شد. نتایج جداسازی واریته ها بر مبنای استفاده جداگانه از مشخصه های هندسی، رنگ پوست، رنگ گوشت و بافت بیانگر جداسازی واریته های مورد آزمایش به ترتیب با درصد تشخیص کل 92، 33/87، 67/90 و 67/88 درصد می باشد. نتایج جداسازی بر مبنای استفاده همزمان از مشخصه های هندسی، بافت و رنگ پوست غده نشان داد که سیستم قادر به جداسازی واریته ها با درصد تشخیص کل 96 درصد می باشد. همچنین نتایج جداسازی بر مبنای استفاده همزمان از مشخصه های رنگ گوشت و بافت غده بیانگر جداسازی واریته ها با درصد تشخیص کل 33/93 درصد می باشد. نتایج نشان می دهد که استفاده همزمان از مشخصه های هندسی، رنگ و بافت دقت فرآیند جداسازی نمونه ها را افزایش می دهد. مقایسه نتایج بدست آمده با نتایج جداسازی واریته ها توسط انسان نشان دهنده دقت بالای سیستم ماشین بینایی در جداسازی واریته های سیب زمینی است. در ادامه امکان ارائه مدل هایی برای پیش بینی خواص مکانیکی غده های سیب زمینی به کمک میانگین داده های مستخرج از آنالیز بافت گوشت غده از طریق پردازش تصویر بررسی شد. با توجه به وجود همبستگی قابل قبول بین این خواص و داده های پردازش تصویر به نظر می رسد بتوان خواص مکانیکی غده ها از جمله مدول الاستیسیته، ضریب بازگشت و انرژی لازم برای پانچ غده را از روی داده های حاصل از آنالیز بافت غده از طریق پردازش تصویر غده پیش بینی نمود.