طبقه‌بندی ارقام میوه خرما مبتنی بر کاربرد پاسخ‌های خازنی و مبدل نیرو

در بسیاری از نخلستان‌های خرما، انواع مختلفی از میوه‌های خرما به طور معمول پرورش می‌یابند. هر کدام از این گونه‌ها دارای خواص فیزیکی و شیمیایی متفاوتی هستند. بنابراین، در اولین گام توسعه سامانه‌های درجه‌بندی هوشمند و نظارت بر کیفیت، توسعه روشی خودکار برای شناسایی نوع رقم خرما بسیار مطلوب است. هدف این مطالعه توسعه الگوریتم طبقه‌بندی چهار رقم میوه خرما با استفاده از پاسخ‌های الکترونیکی حاصل از حسگرهای خازنی و یک مبدل نیرو است. برای به دست آوردن هم‌زمان خواص خازنی شامل فرکانس و پاسخ‌های آنالوگ میوه خرما و پارامترهای نیروی مربوط به وزن میوه خرما، یک سکو الکترونیکی طراحی و ساخته شد. در این سکو، پاسخ‌های خازنی و پارامترهای نیرو با راه‌اندازی آی سی 555 و واسنجی کردن یک مبدل نیرو  1 کیلوگرمی فراهم می‌شد. 120 میوه خرما از چهار رقم مختلف زاهدی، قصب، مضافتی و مجول برای توسعه مدل در نظر گرفته شد. در مجموع 30 درصد از نمونه‌ها برای ارزیابی طبقه‌بندی نهایی در نظر گرفته شدند. درخت تصمیم (dt) به عنوان یک روش یادگیری نظارت‌شده ناپارامتریک برای طبقه‌بندی انتخاب شد. برای تنظیم مدل طبقه‌بند با بهترین هایپرپارامترها، با برازش 3 تا (fold) برای هر یک از 2204 نامزد، در مجموع 6612 برازش مورد بررسی قرار گرفت. ارزیابی مدل توسعه‌یافته منجر به کیفیت طبقه‌بندی با شاخص f به ترتیب 64، 80، 100 و 100 درصد برای چهار رقم زاهدی، قصب، مضافتی و مجول شد. نتایج نشان داد که سامانه طبقه‌بندی پایه خازنی توسعه یافته، می‌تواند با موفقیت برای طبقه‌بندی میوه خرما با کیفیت قابل‌قبول به‌کار گرفته شود.

classification of date fruit varieties based on the use of capacitive and force transducer responses

in many date palm gardens, different varieties of date fruits are commonly grown. each of these varieties has different physical and chemical properties. therefore, in the first step of developing intelligent sorting systems and quality monitoring systems, it is highly desirable to develop an automatic method for identifying the type of date fruit variety. this study aims to develop a classification algorithm of date fruit varieties using electronic responses from capacitive sensors and a force transducer. to simultaneously obtain the capacitive properties including the frequency and analog responses of date fruit and the force parameter related to the weight of the date fruit, an electronic platform was designed and constructed. in this platform, the capacitive responses and force parameters were provided by setting up the ic 555 and calibrating a 1 kg load cell. 120 date fruits from four different varieties, including zahedi, qhasb, mazafati and medjool were considered for the model development. a total of 30% of the samples were separated for final classification evaluation.  decision tree (dts) as a non-parametric supervised learning method was chosen for classification. to tune, the classification model with the best hyper parameters fitting 3 folds for each of 2204 candidates, totaling 6612 fits were examined. the evaluation of the developed model resulted in a classification quality with f-scores of 64%, 50%, 100% and 100% for the four varieties zahedi, qhasb, mazafati and medjool. it was concluded that the developed capacitance base classification system can be successfully used to classify date fruit with acceptable quality.