طراحی الگوریتم دسته بندی نارنگی براساس رنگ با استفاده از پردازش تصویر

نویسندگان

چکیده

همه ساله مرکبات زیادی مثل نارنگی در کشور به خاطر قیمت بسیار پایین آن، در باغات به صورت برداشت نشده رها می‌شود که باعث وارد آمدن خسارت زیاد به باغداران می‌شود. از طرفی عرضه محصول یک دست از نظر میزان رسیدگی به بازار، با استقبال زیادی از طرف مصرف‌کننده روبرو شده و باعث رونق گرفتن بازار فروش محصول خواهد شد. نارنگی دارای ارقام مختلفی است که در این پژوهش، نارنگی رقم انشو مورد مطالعه قرار گرفته است و از روش پردازش تصویر و شبکه های عصبی مصنوعی (ANN) برای طبقه بندی میوه نارنگی به سه دسته رسیده، نیمه رسیده و نارس استفاده شد. تعداد ??? نمونه میوه نارنگی توسط فرد خبره به سه دسته رسیده، نیمه رسیده و نارس دسته‌بندی و سپس تصاویر آنها با استفاده از یک سیستم تصویربرداری بدست آمد. پس از عکس‌برداری از نارنگی‌ها و عملیات پیش‌پردازش، قطعه‌بندی و طبقه‌بندی تصاویر، تصاویر به کانال‌های رنگی مختلف مثل فضاهای رنگی RGB، HSV، YCbCr و CMY ، منتقل و ویژگی‌های آماری تصاویر استخراج گردید. میانگین مؤلفه دوم فضای رنگی YCbCr، انحراف معیار مؤلفه سوم فضای رنگی YCbCr، انحراف معیار مؤلفه سوم فضای رنگی CMY، میانگین مؤلفه اول فضای رنگی HSV، میانگین مؤلفه سوم فضای رنگی HSV و انحراف معیار مؤلفه دوم فضای رنگی HSV به عنوان خصوصیت مؤثرکه همان ورودی سیستم طبقه‌بند پیشنهاد شده می‌باشند، انتخاب شدند. در کل ?×? خصوصیت از هر نمونه استخراج شد. در مجموع درصد طبقه‌بندی صحیح سه کلاس برابر با ??/?? درصد به دست آمد. نتایج حاصل از این مطالعه نشان می‌دهد که سیستم پیشنهادی توانایی تشخیص نارنگی‌های رسیده از نیمه رسیده و نارس با دقت مناسب را دارد. بنابراین می‌توان نتیجه گرفت که روش‌های نوین نظیر پردازش تصویر و هوش مصنوعی برای دسته‌بندی نارنگی به‌کار گرفته شود.

کلیدواژه‌ها

عنوان مقاله [English]

Design of Tangerine Sorting Algorithm based on Color Using Image Processing

نویسندگان [English]

  • Ali Nejat Lorestani
  • Kayvan Yazdanpanah
  • Sajad Sabzi

چکیده [English]

Many citrus fruits, such as tangerines in the country, are abandoned in orchards every year due to their low prices, causing great damage to the gardeners. On the other hand, the supply of homogeny product in terms of the amount ripeness, to the market, will be welcomed by the consumer and will stimulate the market for product sales. Tangerine has different varieties that in this research, Unshiu variety of Tangerine has been studied and image processing and artificial neural networks (ANN) were used for classification of tangerines into three degrees of ripe, half - ripe and unripe. ??? Tangerine fruit samples that graded by Expert Grading person, were selected And then their images were obtained using an imaging system. After taking pictures of tangerines, pre - processing operations, Segmentation operations and Classification of images were done and Images' attributes transferred to different color channels Specified such as RGB, HSV, YCbCr and CMY and the statistical characteristics of the images were extracted. Average of second component of YCbCr color space, standard deviation of third component of YCbCr color space, standard deviation of third component of CMY color space, average of first component of HSV color space, average of third component of HSV color space and standard deviation of second component of HSV color space were selected as input of proposed system. In total ? × ? Characteristics were extracted from each sample. Overall, the percentage of the correct classification of the three classes was ??.?? %. The results of this study indicated that the proposed system is capable to detect tangerines ripe, half - ripe and unripe carefully fit it had. Therefore, it can be concluded that modern methods such as image processing and artificial intelligence are used to classify tangerines.

کلیدواژه‌ها [English]

  • Image Processing
  • Artificial neural network
  • Sorting
  • Color
  • Classification
  • Tangerine