نویسندگان

• سامان ظهرابی علی‌بیگلو
• سید صادق سیدلو
• ابراهیم صفری
• یاسمن همپانژاد

چکیده

گندم از محصولات کشاورزی مهم و استراتژیک در جهان و ایران است. گندم سرشار از پروتئین بوده و دارای ارزش غذایی و اقتصادی بالایی است؛ بنابراین تعیین سالم بودن آن از نظر آلودگی به عوامل قارچی،‏ مهم است. هدف این پژوهش امکان‌سنجی تشخیص گندم‌های سالم از ناسالم آلوده به قارچ‌های فوزاریوم و پنی‌سیلیوم با استفاده از سیستم تک‌رنگ‌ساز و تصویر‌برداری در محدوده مرئی و نامرئی است. بدین منظور دو رقم گندم الوند و سرداری که سطح کشت بیشتری در کشور دارند،‏ انتخاب شد و سه سیستم جامع زیر استفاده شد. مبنای سیستم اول به کارگیری آشکارساز و تصویربرداری مرئی و غیرمرئی در محدوده نور لیزر 630-680 نانومتر بود. در سیستم دوم،‏ چیدمان تک‌رنگ ساز استفاده شد و در سیستم سوم از تصویربرداری و آنالیز تصویر در محدوده‌ی مرئی و غیرمرئی بهره گرفته شد. برای تصویربرداری از دوربین‌های تخصصی CCD مرئی،‏ مرئی-مادون‌قرمز و مادون‌قرمز منفرد استفاده شد. تصویربرداری با دوربین‌های مذکور در محیط‌های نوری ماوراءبنفش،‏ مرئی و مادون‌قرمز انجام شد. 18 مشخصه‌ رنگی RGB،‏ LAB،‏ HSV،‏ HSI،‏ YIQ و YcbCr از تصاویر نمونه‌های گندم درنظر گرفته شد و به‌عنوان ورودی شبکه عصبی استفاده شد.

کلیدواژه‌ها

• قارچ‌ها
• شبکه عصبی
• تشخیص
• گندم
• مادون‌قرمز

عنوان مقاله [English]

Spectral reaction investigation of healthy and fungi infected wheat kernels using imaging in visible and non-visible range and utilization of neural network

نویسندگان [English]

• saman zohrabi alibeyglou
• Seiied Sadegh Seiiedlou
• ebrahim safari
• yasaman hampanejad

چکیده [English]

Wheat is one of the most important and strategica crops in Iran and the world. It is rich in protein and has a high economic value. Therefore, it is very important to determine the safety of wheat. The objective of this study was to identify wheat kernels infected by fungi, such as Penicillium Expansum and Fusarium Graminearum using setup of monochromator and imaging in visible and non-visible range. Alvand and Sardari wheat cultivars that allocated more cultivation area in the country were chosen for this purpose and three following comprehensive systems were used. The basis of the first system was employing detector and imaging visibly and non-visibly in the range of 630-680 nm of laser light. Setup of monochromator and image analysis in the visible and non-visible ranges were used in second and third system, respectively. For this purpose, CCD visible camera, visible-infrared and infrared cameras used for imaging of healthy and unhealthy wheat samples in ultraviolet, visible and infrared lights. In this system, eighteen features in RGB, LAB, HSV, HSI, YCbCr, and YIQ color spaces were extracted and used as neural network inputs. Wheat samples are classified into six classes of healthy Sardari, healthy Alvand, Sardari infected with Fusarium, Sardari infected with Penicillium, Alvand infected with Fusarium and Alvand infected with Penicillium.

کلیدواژه‌ها [English]

• Wheat.-Neural network-Detection-Fungi-Near Infrared-