طراحی سیستمی اتوماتیک جهت درجه‌بندی‌کشمش و تعیین درصد دم داربودن آن با استفاده از تکنیک‌های پردازش تصویر

کشمش یکی از محصولات مهم کشاورزی است که از خشک کردن انگور بدست می آید. در حال حاضر درجه بندی کشمش و تعیین درصد انواع مختلف کشمش در یک نمونه و همچنین تشخیص دم دار بودن و یا نیودن آن به صورت دستی انجام می گیرد وبنابراین مستلزم صرف زمان زیادی می باشد. در این مطالعه ، هدف ارائه الگوریتمهایی موثر و توانمند با استفاده از تکنیکهای پردازش تصویر در حوزه بینایی ماشین برای درجه بندی کشمش و همچنین تشخیص و تعیین درصد کشمشهای دم دار و بی دم می باشد. جهت تجزیه و تحلیل الگوریتم ارائه شده ، با تهیه عکس از نمونه های مختلفی از انواع کشمش و اجرای الگوریتمهای پیشنهادی بر روی این نمونه ها در نرم افزار matlab و مقایسه نتایج به دست آمده با روشهای دستی ، عملکرد الگوریتم مورد ارزیابی قرار می گیرد. جهت ارزیابی عملکرد روشهای پیشنهادی معیارهای دقت کل ، حساسیت و دقت خروجی مثبت محاسبه گردید که یافته های حاصل شده از ارزیابی روش پیشنهادی جهت درجه بندی کشمش دقت کل 98/65% ، حساسیت 98/47% و دقت خروجی مثبت 97/83% و همچنین یافته های روش پیشنهادی جهت تعیین درصد دم دار بودن کشمش نیز دقت کل 98% ، حساسیت 92/32% و دقت خروجی مثبت 98/69% را نشان داد که بیانگر عملکرد مطلوب و قابل اعتماد این روش ها همراه با صرف هزینه کم ( محاسبات نرم افزاری کم ) در مقایسه با روش های سنتی می باشد.

designing an automatic system for grading raisins and determining its tailing percentage using image processing techniques

raisins are one of the most important agricultural products obtained from drying grapes. at present, grading raisins and determining the percentage of different types of raisins in a sample, as well as identifying or not having a tail in it is done manually, and therefore requires a lot of time. in this study, the aim is to provide effective and powerful algorithms using image processing techniques in the field of machine vision for grading raisins as well as detecting and determining the percentage of tailed and tailless raisins. in order to analyze the proposed algorithm, the performance of the algorithm is evaluated by preparing photos ofdifferent samples of raisins and implementing the proposed algorithms on these samples in matlab software and comparing the results obtained with manual methods. to evaluate the performance of the proposed methods, the criteria of total accuracy, sensitivity and accuracy of positive output were calculated that the findings obtained from the evaluation of the proposed method for rating raisins total accuracy 98/65%, sensitivity 98/47% and positive output accuracy 97/83% as well as the findings of the proposed method for determination of raisin tailing percentage showed total accuracy of 98%, sensitivity of 92/32% and positiveoutput accuracy of 98/69%, indicating the optimal and reliable performance of these methods with low cost (low software calculations) compared to traditional methods.