نویسندگان

• ولی رسولی شربیانی
• رویا فرهادی
• امیر حسین افکاری سیاح
• ابراهیم تقی‌نژاد

چکیده

امروزه روش ماشین بینایی به‌طور گسترده‌ای در کشاورزی و به ویژه در صنایع غذایی مورد استفاده قرار می‌گیرد. از این سیستم در واحدهای جداسازی کیفی و بالاخص برای محصولات با ارزش نظیر مغز گردو می‌توان استفاده نمود. در این تحقیق امکان جداسازی مغز گردو در سه دسته کیفی مغزگردو‌های سالم روشن، سالم تیره و معیوب بر اساس فضاهای های رنگی RGB، HSV و L*a*b* مورد بررسی قرار گرفت. سامانه ماشین بینایی شامل جعبه روشنایی، یک دوربین تصویربرداری (مدل سونی با دقت ? مگاپیکسل)، یک رایانه و نرم‌افزار متلب می‌باشد. پس از تصویر برداری از نمونه های در فضای RGB، مولفه های مربوط به دو فضای رنگی دیگر با استفاده از توابع تبدیل بدست آمد. سپس، جداسازی نمونه‌های سالم از ناسالم با استفاده از تحلیل آماری سه فضای رنگی گفته شده، مورد ارزیابی قرار گرفت. نتایج نشان داد که در سیستم رنگی RGB از طریق مؤلفه‌هایR (شدت رنگ قرمز) و G (شدت رنگ سبز) و در سیستم رنگیHSV بر اساس مؤلفه‌های Hو Vجداسازی نمونه‌های سالم امکان‌پذیر است. همچنین در فضای رنگی L*a*b*، مؤلفه‌هایL* و b* قادر بودند که نمونه‌های سالم را از دو دسته دیگر نمونه‌ها جدا کنند. اما در مورد جداسازی نمونه‌های سالم تیره از نمونه‌های معیوب، به دلیل همپوشانی رنگ‌ها این امکان وجود ندارد. از بین شاخص‌های بافت سطحی، فقط پارامترهای contrast و energy قادر به جداسازی نمونه‌های سالم بودند.

کلیدواژه‌ها

• جداسازی
• کیفیت
• ماشین بینایی
• مغز گردو

عنوان مقاله [English]

Potential use of machine vision technique for qualitative separation of walnut kernel (Kaghazi Walnut)

نویسندگان [English]

• Vali Rasooli Sharabian
• Roya Farhadi
• Ami Hossein Afkari Sayah
• Ebrahim Taghinezad

چکیده [English]

Nowadays, application of machine vision techniques had been extensively used in agriculture and particularly in food industries. This system can be used in quality separation, especially for valuable products such as walnut. The high nutritional value of walnuts has caused the crop to be widely processed in many processed foods. The texture is one of the most important features of agricultural crops which has been widely applied in food industry for quality evaluation. The texture of images reflects changes in pixel intensity values, which may include information from the geometric structure of objects. In this study, the possibility of walnut separating in three categories, based on quality, including: light-intact , dark-intact and damaged kernel using image processing and color systems such as RGB, HSV and L*a*b* on Kaghazi varieties was investigated. The machine vision system includes a lighting box, a camera (model SC-W?? SONY with resolution of ? mega pixels), a computer and MATLAB software. So that, all samples are captured in RGB color system, then using transfer functions the other color systems components were calculated. Also, separation of intact samples from non-intact was evaluated using statistical analyzing on color space of RGB, L*a*b* and HSV. The results showed that in the RGB color space using of components of R (redness intensity) and G (green color intensity), and in the HSV color space based on component H and V, separation of healthy samples was possible. The success of this method was ??%. Also, in the L*a*b* color space, components of L* and b* be able to clear healthy samples from the other two categories. The success of this method was ??%. However, separating dark-intact samples from damaged samples were not possible because of overlapping of colors area. In case of surface tissue indices, contrast and energy were able to separate intact samples from non-intact samples.

کلیدواژه‌ها [English]

• Separation
• Quality
• Machine vision
• Walnut kernel