تشخیص عیوب ظاهری و درجه‌بندی گوجه‌فرنگی با استفاده از فناوری ماشین بینایی و شبکه‌های عصبی- فازی

از مهمترین فرآیندها در بسته‌بندی و نگهداری محصولات کشاورزی عملیات دسته‌بندی بوده که پردازش تصویر یکی از ابزارهای کاربردی در زمینه فن‌آوری‌های پس از برداشت است. هدف از پژوهش حاضر به‌دست آوردن الگوریتمی برای تشخیص عیوب ظاهری و درجه‌بندی محصول گوجه‌فرنگی و ارائه سامانه‌ی کارآمد در این زمینه است؛ برای سادگی این فرآیند، از شبکه‌های فازی عصبی موسوم به anfis استفاده شده است که در عین سادگی کار و تنظیم کردن، دقتی همپای شبکه‌های عصبی را به ارمغان می‌آورد. پس از عکس‌برداری از گوجه‌فرنگی‌های تهیه شده، این نمونه‌ها توسط فرد خبره در 8 دسته از لحاظ رسیدگی و اندازه و سلامت یا خرابی دسته‌بندی شدند. ویژگی‌های ابعادی و رنگی تصاویر گرفته شده از این نمونه‌ها با استفاده از فن‌آوری ماشین بینایی و الگوریتم‌های طراحی شده به‌دست آمد و به سامانه‌ی anfis سپرده شد که در نهایت دسته‌بندی در سه سطح اولیه و یک سطح نهایی انجام گردید. سه سطح اولیه عبارت بودند از درجه‌بندی از لحاظ رنگ، اندازه و سلامت که داده‌های مربوط به هر سطح به‌عنوان ورودی به سامانه نهایی ارائه شدند. سامانه نهایی با در نظر گرفتن همزمان سه سطح رنگ، اندازه و سلامت، نمونه‌ها را در یکی از 8 دسته تعریف شده قرار داد. میزان دقت در هر سطح برای قبل و بعد از آموزش، نشان از ارتقاء ده درصدی کیفیت تشخیص و درجه‌بندی در شرایط پس از آموزش داشت که این میزان برای درجه‌بندی‌های رنگ، اندازه‌، ‌بافت و نهایی به‌ترتیب برابر 89، 81، 95 و 81% بود.