برنج از مهمترین غلات و اقلام غذایی جهان می باشد. نیمی از مردم جهان به برنج به عنوان یک غذای اصلی وابسته هستند. برنج غذای اصلی مردم آسیا و منبع اصلی پروتئین است. تنها در آسیای جنوبی، غذای اصلی 80% مردم ،برنج می باشد. پردازش تصویر، تکنولوژی تهیه و آنالیز تصاویر یک صحنه واقعی به وسیله کامپیوتر در راستای کسب اطلاعات یا کنترل یک پروسه است. نمونه بارز کاربرد پردازش تصویر، صنایع غذایی است. می توان با کمک بینایی ماشین، خصوصیات تصویر را استخراج نمود و از آن برای تشخیص و شناسایی کیفیت انواع محصولات استفاده کرد.روش های سنتی ارزیابی حسی در تعیین کیفیت مواد غذایی کاربرد زیادی دارند ولی این روش ها زمانبر و پرهزینه هستند. همچنین شرایط فیزیکی انسان مثل خستگی یا حتی شرایط روحی می تواند بر نتیجه کار تاثیرگذار باشد این عوامل سبب ایجاد انگیزه برای توسعه روش های جانشین است که در زمان کمتر و با دقت بیشتر خصوصیات کلیدی محصول را ارزیابی کنند. در سال های اخیر پژوهش های محدودی به منظور کیفیت سنجی و درجه بندی برنج با استفاده از فناوری بینایی ماشین انجام شده است. هدف از این پایان نامه، ارائه یک سیستم تشخیص ارقام و اصالت برنج با دقت بالا و کارامد می باشد. این پایان نامه به سه بخش اصلی تقسیم شده است. در بخش اول و دوم، تشخیص ارقام برنج به صورت دانه ای و توده ای مورد بررسی قرار گرفته اند. بخش سوم پایان نامه نیز، به بحث اصالت سنجی برنج می پردازد. منظور از اصالت سنجی برنج، تشخیص برنج اصل از ترکیبی می باشد. گام های تشخیص دانه ای ارقام برنج شامل تصویربرداری، قطعه بندی، استخراج ویژگی، انتخاب ویژگی و طبقه بندی می باشد. بعد از قطعه بندی، از هر دانه ی برنج سه نوع ویژگی شکلی، رنگی و بافتی استخراج شده است. با استفاده از چهار الگوریتم انتخاب ویژگی، ویژگی های برتر پیدا شدند. این ویژگی ها، ورودی شش طبقه بندی کننده بودند. بهترین ترکیب بین روش های انتخاب ویژگی و طبقه بندی کننده ها، مربوط به ویژگی های انتخاب شده توسط الگوریتم رقابت استعماری و ماشین بردار پشتیبان بود که به دقت بیش از 95 درصد رسید. سپس با استفاده از ویژگی های انتخاب شده توسط الگوریتم رقابت استعماری و چهار طبقه بندی کننده، یک طبقه کننده ی ترکیبی مورد استفاده قرار گرفت. تکیه اصلی در تشخیص توده ای ارقام برنج،بر اساس استخراج ویژگی های بافتی استوار است. شش مجموعه ویژگی شامل ماتریس هیستوگرام، هم رویدادی، طول گام، موجک، گبور و الگوی دودویی باینری از تصاویر توده ای برنج استخراج گردید. با استفاده از الگوریتم رقابت استعماری، برترین ویژگی ها پیدا شده و از چهار طبقه کننده، جهت طبقه بندی استفاده شده است. بهترین نتایج، با استفاده از ماتریس طول گام و ماشین بردار پشتیبان به دست آمد. برای بالابردن کارایی سیستم تشخیص توده ای ارقام برنج، با استفاده از رای گیری وزن دار، روشی ترکیبی ارائه شده است. ممکن است یک رقم برنج با خواص کیفی مطلوب با اهدافی مثل سودجویی، با ارقام با کیفیت پایین که از نظر ظاهری مشابهت فراوانی دارند مخلوط شود. تشخیص درست برنج اصل از ترکیبی و تعیین میزان ناخالصی در رقم اصلی، یکی از چالش های مطرح می باشد. جهت تشخیص برنج اصل از ترکیبی، از ویژگی های بافتی و رگرسیون استفاده شده است. برای کم کردن خطا، از یک شبکه عصبی درمرحله بعد جهت ترکیب نتایج استفاده شده است.

اهمیت کیفیت محصولات کشاورزی از قبیل میوه و سبزیجات برای تولیدکنندگان و مصرف کنندگان در دنیای امروز بر کسی پوشیده نیست. از این رو ارزیابی کیفیت این نوع محصولات، از فعالیت های تاثیرگذار در عرصه ی تجارت، اقتصاد و سلامت جوامع می باشد. در همین راستا نیاز به روش های نوین در اندازه گیری کیفیت، روز به روز بیشتر می شود. از میان این تکنیک ها، آزمون های غیرمخرب بیشتر مد نظر است. این روش ها بسیار مطلوب می باشند و نسبت به روش های مخرب سریع تر و اقتصادی تر هستند. این مطالعه به امکان سنجی پیش گویی میزان سفتی و مواد جامد حل شدنی یک رقم میوه هلو به صورت غیرمخرب با استفاده از روش تصویربرداری بر پایه ی نور لیزر که تکنیکی نوین جهت بررسی و پیش گویی شاخص های اصلی کیفیت محصولات کشاورزی می باشد، پرداخته است. بدین منظور، سیستمی جهت اخذ تصاویر پس پراکنش شامل دو دیود لیزری با طول موج های 532 و 650 نانومتر، طراحی و ساخته شد. با استفاده از تکنیک پردازش تصویر، اطلاعات لازم برای ساخت مدل های کالیبراسیون از تصاویر اخذ شده بدست آمد. مدل های کالیبراسیون با روش های رگرسیون خطی، رگرسیون غیرخطی، رگرسیون حداقل مربعات جزیی و شبکه های عصبی مصنوعی برازش شدند. با ارزیابی مدل ها، بهترین آن ها انتخاب و مدل های ترکیبی بر اساس مدل های برتر بدست آمدند.