درجه بندی خرمای رقم زاهدی بر اساس ویژگی های ظاهری با استفاده از روش های پردازش تصویر و یادگیری ماشین

خرما، یکی از محصولات باغی واستراتژیک در منطقه و ایران است. متاسفانه درآمد حاصل از صادرات این محصول پرارزش، نسبت به حجم صادرات بالای آن مطلوب نیست، بخشی از این امر به کیفیت پایین آماده‎سازی و بسته‎بندی محصول مربوط می‎شود. به نظر می‎رسد استفاده از فناوری های نوین، مانند بینایی ماشین و پردازش تصویر، می‎تواند روند درجه بندی و جداسازی  خرما را بهبود بخشد. در این پژوهش درجه بندی میوه خرمای رقم زاهدی، در سه مرحله تفکیک شده، شامل جداسازی کیفی خرما (کاملا رسیده، نیم رس و نارس)، درجه بندی بر اساس شکل و اندازه و جداسازی خرمای سالم از چروکیده انجام شده است. پس از تهیه تصویر میوه‎ها، 11 ویژگی مورفولوژیکی، 9 ویژگی رنگی و 6 ویژگی بافتی به کمک روش های پردازش تصویر استخراج شدند. بهترین ویژگی ها برای تفکیک پذیری بهتر به کمک روش آنالیز تشخیص گام به گام تعیین شده اند. برای طبقه‎بندی نهایی از دو روش یادگیری ماشین، یعنی روش آماری آنالیز تشخیص و روش شبکه عصبی چند لایه پرسپترون استفاده شد. در نهایت، 6 ویژگی رنگی، 3 ویژگی اندازه و شکل و 3 ویژگی بافتی، به عنوان بهترین ویژگی ها در درجه‎بندی انتخاب شده اند. دقت نهایی درجه بندی توسط روش آماری و شبکه عصبی به ترتیب 92.7 % و 93.90 % به دست آمد. با توجه به دقت بالای هر دو روش، می توان نتیجه گرفت که استفاده از روش پردازش تصویر در درجه بندی و جداسازی خرما با استفاده از ویژگی های ظاهری موفقیت آمیز است.