درجه بندی خرمای رقم زاهدی بر اساس ویژگی های ظاهری با استفاده از روش های پردازش تصویر و یادگیری ماشین

خرما، یکی از محصولات باغی واستراتژیک در منطقه و ایران است. متاسفانه درآمد حاصل از صادرات این محصول پرارزش، نسبت به حجم صادرات بالای آن مطلوب نیست، بخشی از این امر به کیفیت پایین آماده‎سازی و بسته‎بندی محصول مربوط می‎شود. به نظر می‎رسد استفاده از فناوری­های نوین، مانند بینایی ماشین و پردازش تصویر، می‎تواند روند درجه­بندی و جداسازی  خرما را بهبود بخشد. در این پژوهش درجه­بندی میوه خرمای رقم زاهدی، در سه مرحله تفکیک شده، شامل جداسازی کیفی خرما (کاملا رسیده، نیم رس و نارس)، درجه­بندی بر اساس شکل و اندازه و جداسازی خرمای سالم از چروکیده انجام شده است. پس از تهیه تصویر میوه‎ها، 11 ویژگی مورفولوژیکی، 9 ویژگی رنگی و 6 ویژگی بافتی به کمک روش­های پردازش تصویر استخراج شدند. بهترین ویژگی­ها برای تفکیک پذیری بهتر به کمک روش آنالیز تشخیص گام­به­گام تعیین شده­اند. برای طبقه‎بندی نهایی از دو روش یادگیری ماشین، یعنی روش آماری آنالیز تشخیص و روش شبکه­ عصبی چند لایه پرسپترون استفاده شد. در نهایت، 6 ویژگی رنگی، 3 ویژگی اندازه و شکل و 3 ویژگی بافتی، به­عنوان بهترین ویژگی­ها در درجه‎بندی انتخاب شده­اند. دقت نهایی درجه­بندی توسط روش آماری و شبکه عصبی به ترتیب 7/92 % و 90/93 % به­دست آمد. با توجه به دقت بالای هر دو روش، می­توان نتیجه گرفت که استفاده از روش پردازش تصویر در درجه­بندی و جداسازی خرما با استفاده از ویژگی­های ظاهری موفقیت­آمیز است.