کاربردسیستم بینایی ماشین ( cvs ) درطبقه‌بندی ازگیل طی دوران رسیدگی در سردخانه

اﻣﺮوزه ﺳﯿﺴﺘﻢ ﺑﯿﻨﺎﯾﯽ ﻣﺎﺷﯿﻦ (cvs) ﺟﺎﯾﮕﺰﯾﻦ ﻣﻨﺎﺳﺒﯽ ﺑﺮای ﺑﺎزرﺳﯽ ﺑﺼﺮی اﺳﺖ ﮐﻪ در ﺳﯿﺴﺘﻢ ﻫﺎی ﻣﺨﺘﻠﻒ درﺟﻪ ﺑﻨﺪی ﻣﺤﺼﻮﻻت ﮐﺸﺎورزی و ﺻﻨﺎﯾﻊ ﻏﺬاﯾﯽ ﺑﻪ ﻋﻨﻮان روﺷﯽ ﺳﺎزﮔﺎر، ﺳﺮﯾﻊ و اﻗﺘﺼﺎدی ﺷﻨﺎﺧﺘﻪ ﺷﺪه اﺳﺖ. ﯾﮑﯽ از ﮐﺎرﺑﺮدﻫﺎی ﺧﺎص اﯾﻦ ﺳﯿﺴﺘﻢ، ﺗﺨﻤﯿﻦ زﻣﺎن رﺳﯿﺪن ﯾﺎ ﺑﺮرﺳﯽ درﺟﻪ رﺳﯿﺪﮔﯽ ﻣﺤﺼﻮل، ﺑﺮای ﺑﻬﺒﻮد ﺷﺮاﯾﻂ ﻧﮕﻪداری و ﯾﺎ رﺳﺎﻧﺪن ﻣﺤﺼﻮﻟﯽ ﺑﺎﮐﯿﻔﺖ ﺑﺎﻻﺗﺮ ﺑﻪ دﺳﺖ ﻣﺼﺮفﮐﻨﻨﺪه اﺳﺖ. زﻣﺎن ﻧﮕﻪداری ﮐﻮﺗﺎه ﻣﯿﻮه ازﮔﯿﻞ و ﺣﺴﺎﺳﯿﺖ زﯾﺎد اﯾﻦ ﻣﯿﻮه، ﺑﻪ ﻋﻠﺖ ازدﺳﺖدادن آب و ﻗﻬﻮه ایﺷﺪن، از ﻣﺤﺪودﯾﺖ ﻫﺎی اﺻﻠﯽ ﻗﺎﺑﻠﯿﺖ ﺑﺎزار آن اﺳﺖ؛ ﻟﺬا ﻫﺪف از اﻧﺠﺎم ﭘﮋوﻫﺶ ﺣﺎﺿﺮ، اﯾﺠﺎد روﺷﯽ ﺳﺎده و ﮐﻢ ﻫﺰﯾﻨﻪ در ﻣﻘﯿﺎس آزﻣﺎﯾﺸﮕﺎﻫﯽ اﺳﺖ ﺗﺎ ﺑﻪ ﻋﻨﻮان ﯾﮏ روﯾﮑﺮد اوﻟﯿﻪ، ﺟﻬﺖ ﺗﻌﯿﯿﻦ ﻣﺮﺣﻠﻪ رﺳﯿﺪﮔﯽ ﻣﯿﻮه، از cvs اﺳﺘﻔﺎده ﺷﻮد. در این پژوهش، ارتباط بین خصوصیّات رنگی که با کمک cvs اندازه گیری شده اند، با شاخص رسیدگی ( rpi ) به دست آمد؛ میوه های ازگیل با کمک rpi به سه گروه: ازگیل تازه ( fm )، ازگیل کامل رسیده ( rm ) و ازگیل بیش ازحد رسیده (orm) طبقه بندی شدند. در ادامه به منظور ارزیابی cvs فرآیند طبقه بندی با استفاده از دو سیستم طبقه بندی انجام شد: تجزیه و تحلیل مولفه های اصلی (pca) و تجزیه و تحلیل چندمتغیّره (mda). بر اساس نتایج، وجود همبستگی بالا (بالاتر از0/9 در بسیاری از خصوصیات)، بین خصوصیات فیزیکی وشیمیایی با خصیصه های رنگی تایید شد. اولین و دومین تجزیه و تحلیل مولفه اصلی (pc)، با و بدون حضور خصوصیات فیزیکی وشیمیایی، به ترتیب با قابلیّت اطمینان 92/11 درصد و 95/31 درصد به دست آمد. mda نرخ طبقه بندی 96/08 درصد را تنها با استفاده از خصیصه های رنگی فراهم آورد. نتایج به دست آمده نشان داد که استفاده از cvs، به عنوان یک روش غیرمخرّب، برای ارزیابی میزان رسیدگی ازگیل براساس خصیصه های رنگی، بسیار مناسب، سریع و کارآمد است.

Computer Vision System Applied to Classification of Medlar (Mespilus germanica) during ripening stage at cold storage

Today, computer vision system (CVS) has become an alternative to visual inspection being objective, consistent, rapid, and economical in various agricultural and food industry commodity grading systems,. A particular application of this technology is the estimation of ripening or the study of the evolution of maturity of several produce in order to improve storage conditions or to be able to offer consumers better products. Short storage life of medlar fruit (Mespilus germanica) and its high susceptibility to water loss and browning are the main factors limiting its marketability. The aim of this work was to implement a straightforward and lowcost method at laboratory scale as an initial approach, in order to determine the ripening stages of M. germanica by means of a CVS and multivariate analysis. In the present work, physicochemical properties and color parameters obtained using a CVS at laboratory level were linked to establish the ripening stages of M. germanica. To classify the stages, a ripening index (RPI) was proposed, in which three stages were identified; unripe, ripe and senescent. Two classifiers based on principle component analysis (PCA) and multivariate discriminant analysis (MDA) were used to assess the applicability of vision system. The color parameters correlate correctly with the physicochemical changes which are considered the standard method to evaluate the maturity of fruits. PCA made it possible to obtain classification rates of 92.11% and 95.31% with and without physicochemical parameters, respectively. MDA was capable of classifying apples in their correct ripening stage with 96.08% accuracy. The results obtained showed that CVS developed for the study can be used as a useful noninvasive, efficient method for the evaluation of the ripeness of mangoes.