بخشی از مقاله
چکیده
کیفیت یکی از عوامل مهم در بازاریابی محصولات غذایی است و در این میان دستگاه های جداساز که بتوانند این نقش را ایفاء کنند، از اهمیت خاصی برخوردار هستند. در این تحقیق مغز گردو بر اساس استاندارد های موجود با استفاده از روش پردازش تصویر در چهار گروه مختلف رنگ درجه بندی شد. به این منظور دو دسته Training و Sample به ترتیب برای آموزش و ارزیابی الگوریتم درجه بندی تهیه شد که هر دسته شامل چهار گروه مختلف رنگ - خیلی روشن، روشن، روشن کهربایی و کهربایی - از مغز گردو بودند.
تصاویر گرفته شده از مغز گردو در هر دسته Training و Sample در نرم افزار مطلب مورد پردازش قرار گرفتند و16 شاخص برای هر مغز گردو برای دو دسته استخراج شد. بر اساس نمودار های رسم شده 6 شاخص از 16 شاخص، مناسب برای درجه بندی انتخاب شدند.برای عمل درجه بندی از روش آماری آنالیز تشخیصی استفاده شد. دقت درجه بندی با این روش96,4 درصد به دست آمد. در نهایت دسته sample بر اساس آموزش قبلی مورد ارزیابی قرار گرفت تا خطای درجه بندی مشخص شود.
مقدمه
درجه بندی مغزگردو از چند جنبه اهمیت دارد:
1. ارزش بالای اقتصادی این محصول در مقایسه با سایر محصولات کشاورزی
2. لزوم رعایت استاندارد های گردو توسط تولید کنندگان و عرضه کنندگان برای توان رقابت بالا در عرصه صادرات
جهانی
3. کاربردهای مختلف مغز گردو در صنایع مختلف به دلیل تفاوت در کیفیت و مصرف آنها - صنایع غذایی، شیمیایی، دارو سازی و ... -
مغز گردو در درجه اول به عنوان خشکبار استفاده می شود. از این جهت مغز گردو باید دارای رنگ خیلی روشن باشد تا رضایت مشتری را برآورده سازد. مغز گردو همچنین در صنایع داروسازی و غذایی - شیرینی پزی، تهیه انواع غذا ها - کاربرد دارد، بنابراین مغز گردوهایی که کیفیت مناسبی ندارند، به صورت آرد شده در صنایع غذایی یا در صنایع دارو سازی استفاده می شوند
بر اساس استاندارد های جهانی که توسط United States Department of Agriculture ، Agricultural Marketing Service ، Fruit and Vegetable Division وFresh Products Branch به چاپ رسیده است، مغز
گردو از لحاظ رنگ به چهار درجه خیلی روشن1، روشن2، روشن کهربایی3 و کهربایی4 تقسیم بندی شده است.[4] البته برای هر درجه تلرانس هایی نیز مشخص شده است که در جدول - 1 - آورده شده است.
جدول:1 طبقه بندی مغز گردو بر اساس رنگ در چهار درجه مختلف
لزوم استفاده از ماشین بینایی در درجه بندی مغز گردو بر اساس رنگ:
درجه بندی بیشتر در مفهوم جداسازی یک محصول به گروه های مختلف مورد استفاده قرار می گیرد به طوری که تمامی اعضای هر گروه دارای خاصیت مشابه باشند.
در مورد میوه ها فاکتورهای مورد استفاده برای این کار اندازه، رنگ، آسیب دیدگی بافت داخلی یا خارجی است. امروزه به دلیل زیاد بودن مقدار محصولات کشاورزی و غذایی، عمل جداسازی یا درجه بندی به وسیله ماشین بینایی انجام می گیرد که روش ماشینی عمل جداسازی با چشم انسان است. ماشین بینایی به دلیل دقت و سرعت جداسازی و تشخیص بالا و نیز غیر مخرب بودن اغلب جایگزین جداسازهایی که از نیروی انسانی بهره می گیرند، شده است.
مواد و روش ها:
سیستم ماشین بینایی به طور کلی از قسمت های زیر تشکیل شده است:
• واحد تصویرگیری و ارسال تصویر به واحد پردازش کننده - سکوی تصویر برداری، سیستم نور پردازی -
• واحد پردازش کننده
• واحد جداسازی
در سیستم ماشین بینایی، محصول به طور معمول بر روی یک تسمه نقاله سوار است و در زمان عبور از زیر دوربین، تصویر گیری انجام می گیرد. تصاویر گرفته شده توسط یک رابط به واحد پردازش فرستاده می شود. تصاویر توسط این واحد پردازش شده و در نهایت یک سیگنال به واحد جداساز فرستاده می شود تا محصول توسط این واحد در مسیر مطلوب هدایت شود.
در این تحقیق ما از سیستم ماشین بینایی به طور شبیه سازی شده استفاده کردیم. به این صورت که از یک جعبه مستطیلی به ابعاد 50×60×60 به عنوان سکوی تصویر برداری استفاده شد. مغز گردو در وسط جعبه قرار می گرفت و یک دوربین دیجیتالی کانن1 مدل A700 در دیواره بالای جعبه روبروی مغز گردو مستقر بود. سیستم نورپردازی از دو لامپ هالوژن 100 واتی تشکیل شده بود که در دو گوشه جعبه به طور متقارن قرار گرفته بودند. تمام دیواره های داخلی سکوی تصویر برداری با رنگ سفید پوشانده شده بود تا نور تابیده شده از سیستم نورپردازی به دیواره ها برخورد کرده و پس از انعکاس به مغز گردو برسد. عدم برخورد مستقیم نور به مغز گردو باعث می شود که تصاویر گرفته شده از مغز گردو بدون سایه بوده و در تصویر نویز ایجاد نگردد. وجود نویز باعث پیچیدگی الگوریتم پردازش و همچنین افزایش زمان پردازش می شود.
تصاویر گرفته شده با دوربین به کامپیوتر فرستاده شد. تصاویر به فرمت رنگی - RGB2 - می باشند. به طوری که هر تصویر، ماتریس سه لایه ای با لایه هایی برای رنگ قرمز - R - ، سبز - G - و آبی - B - است. هر لایه خود شبکه ای m×n از عنصر هایی به نام پیکسل می باشد که m و n تعداد پیکسل های تشکیل دهنده طول و عرض تصویر می باشد. بنابراین هر پیکسل دربردارنده اطلاعاتی از مقادیر رنگ های قرمز، سبز و آبی آن نقطه به همراه مختصات مکانی آن می باشد. تصاویر در نرم افزار مطلب مورد پردازش قرار گرفتند.
هر تصویر شامل زمینه3 و شیء4 - مغز گردو - بود - شکل. - 1 در مرحله اول مغز گردو از زمینه جدا شد تا پردازش های بعدی فقط بر روی مغز گردو انجام گیرد. این عمل که قطعه بندی5 تصویر نیز نامیده می شود، بر اساس تفاوت رنگ بین زمینه و مغز گردو انجام گرفت. روش کار به صورت زیر بود:
در هر تصویر 8 بیتی مقادیر R، G و B از صفر تا 255 تغییر می کند به طوری که برای یک تصویر با رنگ سفید مقادیر رنگی به عدد 255 نزدیک خواهند بود و با تیره شدن تصویر - مغز گردو هایی با رنگ سیاه - مقادیر رنگی به صفر نزدیک خواهند شد. در تصاویر گرفته شده جزء کوچکی از تصویر مغز گردو که دارای روشنایی بالایی بود، به عنوان نماینده ای - نمونه - 6 از مغز گردو انتخاب کردیم - انتخاب جزء کوچک با روشنایی بالا بر این اساس بود که مغز های با روشنایی کمتر یا سیاه مقادیر رنگی کمتری از نمونه خواهند داشت و اگر بتوانیم بین این نمونه و نمونه مربوط به زمینه تفاوت رنگی مشاهده کنیم، می توانیم از این موضوع برای قطعه بندی استفاده کنیم - . در ضمن جزء کوچکی از زمینه با حداقل روشنایی - روشنایی زمینه تقریبا ثابت بود برای اینکه کل زمینه با رنگ سفید پوشانده شده بود - انتخاب کردیم و میانگین مقادیر رنگی R، G، B و - R+G+B - را برای هر نمونه به دست آوردیم. جدول - - 2 بیشینه و کمینه و میانگین پیکسل های مربوط به جزء کوچکی از مغز گردو و زمینه را نشان می دهد.
