کاوه ملازاده

بادام یکی از محصولات مهم از لحاظ تغذیه ای و اقتصادی در ایران می باشد که سالانه ارزش اقتصادی بالایی برای کشور حاصل می نماید. از نظر تولید جهانی بر اساس آمار فائو، کشور ایران در رتبه سوم تولید جهانی این محصول قرار دارد. بر این اساس، هدف از این تحقیق؛ ارائه روشی نوین و غیرمخرب مبتنی بر فناوری بینایی ماشین، تکنیک پردازش تصویر و روش شبکه های عصبی مصنوعی، به منظور درجه بندی کیفی محصول بادام به پنج کلاس مختلف: بادام سالم، شکسته، دوقلو، چروکیده و پوست بادام می باشد. مراحل مربوط به پیاده سازی روش پیشنهادی از سه بخش اصلی شامل؛ قطعه بندی تصویر، جداسازی بادام های به هم چسبیده و طبقه بندی کیفی محصول تشکیل شده است. به منظور قطعه بندی تصاویر از روشی تلفیقی مبتنی بر تکنیک های پردازش تصویر و شبکه های عصبی مصنوعی استفاده گردید. مقادیر سه شاخص آماری حساسیت، اختصاصی بودن و دقت برای قطعه بندی تصاویر به ترتیب برابر 96/66، 99/25 و 98/81 درصد بوده است که نشان دهنده مناسب بودن این روش در جداسازی بادام از زمینه می باشد. در گام بعدی، الگوریتم پیشنهادی با موفقیت توانست بادام هایی که در تصاویر باینری به یکدیگر چسبیده بودند را از یکدیگر جداسازی نماید. بر این اساس مقادیر شاخص دقت جداسازی، توسط روش پیشنهادی برای کلاس هایی شامل دو، سه، چهار و بیش از چهار بادام به هم چسبیده به ترتیب برابر 96/29، 92/05، 90/00 و 91/30 درصد بدست آمد، سرانجام ویژگی های مبتنی بر شکل، رنگ و بافت از نمونه های بادام استخراج گردید و پس از انتخاب ویژگی های برتر توسط روش آنالیز حساسیت و کاهش ابعاد آن ها توسط تکنیک آنالیز مولفه های اصلی؛ ساختارهای مختلفی از شبکه های عصبی مصنوعی طراحی و مورد ارزیابی قرار گرفتند. در میان آن ها ساختار 5-7-7-18 مناسب ترین ساختار بوده و توسط آن، محصول بادام به پنج کلاس شامل بادام های سالم، شکسته، دوقلو، چروکیده و پوست بادام طبقه بندی گردید. میانگین مقادیر حساسیت، اختصاصی بودن و دقت برای این پنج طبقه نیز به ترتیب برابر 97/73، 99/33 و 99/14 درصد بوده است.