توسعه ی سامانه ی بینایی رایانه ای به منظور شناسایی و ارزیابی کیفی اناردانه

تحقیق حاضر شامل دو مرحله آزمایش می باشد که مرحله اول به منظور درجه بندی اناردانه ها و غشاء های خارج شده از میوه ی انار در محدوده های رنگی قرمز، صورتی و سفید می باشد، مرحله ی دوم از آزمایش به منظور ارزیابی درجه ی تازگی اناردانه، از تصویربرداری حرارتی و پردازش این تصاویر استفاده شد. در مرحله ی اول با استفاده از روش پردازش تصویر در محدوده ی مرئی به اجرا درآمد. برای شناسایی چهار گروه اناردانه از 10ویژگی شکلی- اندازه ای، 6 ویژگی بافتی و 10ویژگی رنگی استفاده گردید. به منظور طبقه بندی و شناسایی هر کدام از گروه ها بر مبنای اطلاعات مبتنی بر تصویر از روش تحلیل تفکیک خطی استفاده شد. در این مطالعه از روش "یکی کنار بگذار" (leave one out) به منظور اعتبار سنجی و آزمون داده های ورودی استفاده گردید همچنین برای رتبه بندی ویژگی های ورودی مدل طبقه بند از روش گام به گام به کار برده شد. دقت طبقه بندی بر مبنای ویژگی های اندازه و شکلی 96/6 %، فضای رنگی lab 89/1 %، hsi 84 %، rgb 87 %، بافتی93/3 %، ترکیب بافتی و رنگی 96 % و ترکیب کل ویژگی های استخراجی 99 % موفقیت را نتیجه داد. در قسمت دوم از آزمایش، تعداد 35 اناردانه برای ارزیابی درجه تازگی در طول 15 روز نگهداری در چهار گروه روز اول، پنجم، دهم و پانزدهم تصاویر حرارتی فعال تهیه گردید. به منظور استخراج مقادیر دمایی دو روش بخش بندی بر مبنای آستانه یابی تصاویر حرارتی و ترکیب تصاویر رنگی و حرارتی به روش ثبت تصویر استفاده شد. از ویژگی های دمایی مستخرج برای ارزیابی و طبقه بندی اناردانه های چهار دوره نگهداری در سه بازه ی زمانی 60 ثانیه ای از تصویربرداری (مجموعاً 180 ثانیه تصویربرداری حرارتی) از روش آنالیز تفکیک خطی استفاده شد. میانگین دقت طبقه بندی اناردانه ها در سه بازه ی زمانی 60 ثانیه ی اول، دوم و سوم از تصویربرداری حرارتی 62/1%، 72 % و 79/8 % بدست آمد. برای طبقه بندی دوره ها نیز در سه بازه ی زمانی60 ثانیه بهترین دقت طبقه بندی در 60 ثانیه ی سوم که برای روز اول 98/7% ، روز پنجم 69/23 % ، روز دهم 65/38 % و روز پانزدهم 89/85 % بدست آمد.