خیار از جمله میوه های پرمصرف دنیاست که تولید سالیانه آن بالغ بر 40 میلیون تن است. تولید خیار ایران بیش از 1.6 میلیون تن در سال و میزان صادرات آن 27000 تن می باشد. تولید خیار به دو صورت گلخانه ای و مزرعه ای است. با توجه به تولید غیر گلخانه ای و صادرات خیار و اینکه با درجه بندی کردن محصول می توان بهره وری را افزایش داد، در این تحقیق درجه بندی خیار مدنظر قرار گرفت. معیارهای درجه بندی عبارتند از: طول، قطر، انحناء، یکنواختی قطر، سفیدی، یکنواختی رنگ،لهیدگی و برش (شکستگی). با توجه به توانایی تشخیص این معیارها با هزینه های کم توسط ماشین بینایی، به عنوان یک روش بازرسی غیر مخرب و اینکه ماشین بینایی کیفیتی ثابتی از نظر درجه بندی ایجاد می کند از دید ماشین به عنوان مبنای سیستم درجه بندی استفاده شد. الگوریتم درجه بندی با استفاده ازتکنیک های پردازش تصویر و فازی، براساس تعاریف استانداردcfia و با استفاده ازنرم افزارmatlab r2008b پیاده سازی شد.خیارهادرسه درجه بندیcanada no.1 وcanada no.2و درجه 3(خیارهای خراب) درجه بندی شدند. نرخ بازشناسی صحیح خیارهای شکسته و لهیده به ترتیب 93.3% و 80% به دست آمد. نرخ بازشناسی صحیح خیار در سه درجه canada no.1 و canada no.2 و درجه سه به ترتیب 87.5% ، 82.4% و 88.2% بدست آمد. نرخ بازشناسی کلی الگوریتم،86% بدست آمد.

چکیده تشخیص میوه پر از پوک بااستفاده از روشهای مخرب بدلیل اینکه منجر به تخریب کلی یا جزئی محصول می شوند چندان جالب به نظرنمی رسند. این پژوهش باهدف تشخیص میوه های پر (مغزدار)از میوه پوک بااستفاده ازسامانه کیفیت سنجی فراصوت uqs انجام شده است.اطلاعات ثبت شده مربوط به خصوصیات موجهای فرستاده شده و موجهای عبوری از میوه پسته میباشند که توسط پروبهای فرستنده و گیرنده دستگاه تولید و دریافت میشوند. با توجه به ماهیت درونی پسته از لحاظ پر یا پوک بودن ،خصوصیات امواج دریافتی نیز متفاوت بوده بطوریکه از روی این تغییرات میتوان پر یا پوک بودن میوه را بدون شکستن )تخریب(تشخیص داد. در این پروژه آزمایشات در دو حوزه زمان و فرکانس و در دو سطح 200 و 300 کیلو هرتز انجام شد.برای بررسی و آنالیز داده ها از شبکه عصبی در برنامه مطلب استفاده شد، طبق اطلاعات بدست امده مشخص شد بهترین فرکانس، 300 کیلو هرتز و بهترین حوزه، حوزه فرکانس است.