تشخیص آسیب های سطحی ناشی از صدمات مکانیکی میوه انبه رقم کلک سرخ با استفاده از تکنیک پردازش تصاویر رنگی

سیستم بینایی ماشین یکی از ابزارهای قدرتمند به منظور خودکار کردن روش های درجه بندی محصولات کشاورزی است. در این تحقیق با استفاده از پردازش تصاویر رنگی تهیه شده از میوه انبه به تشخیص خرابی های ظاهری ناشی از صدمات مکانیکی پرداخته شده است. برای این منظور از میان 80 عدد انبه با بازرسی چشمی تعداد 60 نمونه انبه که بر روی آن ها لکه های سیاه رنگ ناشی از آسیب های مکانیکی در حین برداشت و جابجایی به وجود آمده بود، تشخیص داده شدند و از هر میوه در شرایط نوردهی یکسان تصویربرداری شد. با استخراج ویژگی های رنگی در سه مدل رنگی RGB، HSI و L*a*b* و مقایسه آماری داده ها مشخص شد که ویژگی های رنگی G و 0.16G/0.5R در محیط رنگی RGB به ترتیب با دقت 90% و 6/91% و ویژگی های رنگیa* و 0.16L*-a*از فضای رنگی L*a*b* به ترتیب با دقت 33/93% و 100% قادر به تشخیص بافت آسیب دیده می باشند. درصد مساحت استخراج شده از هر نمونه به عنوان معیاری برای درجه بندی میوه انبه مورداستفاده قرار گرفت. با استفاده از روش خوشه بندی K میانگین نمونه ها به دودسته تقسیم بندی شدند و نقطه برش بین این دودسته با استفاده از منحنی راک برابر با 11/3 بدست آمد. مساحت منحنی راک برابر با 1 بدست آمد که نشان دهنده قدرت تفکیک بالای خوشه بندی است.