پیش‌بینی سفتی میوۀ هلو با استفاده از سامانۀ تصویربرداری پس‌پراکنش نور لیزر

ارزیابی کیفیت محصولات کشاورزی از فعالیت‌های تاثیرگذار در عرصۀ تجارت، اقتصاد، و سلامت جوامع است. در همین راستا نیاز به روش‌های نوین در اندازه‌گیری کیفیت، روزبه‌روز بیشتر می‌شود. از بین این روش‌ها، آزمون‌های غیرمخرب بیشتر مدنظر است. این مطالعه به امکان‌سنجی‌ پیش‌بینی میزان سفتی میوۀ هلو به‌صورت غیرمخرب با روش تصویربرداری بر پایۀ‌ نور لیزر که روشی نوین برای بررسی و پیش‌بینی برخی شاخص‌های کیفی محصولات کشاورزی است، می‌پردازد. بدین منظور، سامانه‌ای برای اخذ تصاویر پس‌پراکنش شامل یک دوربین تصویربرداری و یک دیود لیزری با طول موج‌ 650 نانومتر، پیاده‌سازی شد. پس از اخذ تصاویر نمونه‌ها، به‌منظور ارزیابی عملکرد این سامانه در پیش‌بینی میزان سفتی میوۀ هلو، از روش پردازش تصویر جهت استخراج اطلاعات لازم برای ساخت مدل‌های کالیبراسیون، استفاده شد. مدل‌های کالیبراسیون با روش‌‌های رگرسیون غیرخطی و شبکه‌های عصبی مصنوعی براساس تحلیل‌های مبتنی بر شدت و بافت ساخته شدند. با ارزیابی مدل‌ها، بهترین نتایج برای روش رگرسیون غیرخطی به‌دست آمدند. درپایان با ترکیب ویژگی‌های شدت و بافت و مدل‌سازی به روش رگرسیون غیرخطی ضریب همبستگی 0.89 برای پیش‌بینی سفتی میوۀ هلو به‌دست آمد.

Prediction of firmness in peach fruit by means of laser light backscattering imaging system

Quality evaluation is one of the effective activities in trade, economy and the health of communities. For this purpose, nondestructive methods are increasingly used, as they are faster and more economical in comparison with destructive ones. This study investigated the feasibility of predicting firmness by laser light backscattering imaging system, as a new nondestructive method for one cultivar of peaches. Thus, a laser imaging system was assembled for capturing backscattering images, which consisted of one laser diode at 650 nm. After taking images, essential information of intensity and texture based statistical features was obtained by image analysis techniques, to build two types of calibration models. Nonlinear regression and artificial neural network were developed in order to find the best prediction models. Consequently, final models based on the nonlinear regression, gave the highest correlation coefficient of r = 0.89 to predict firmness.