بخشی از مقاله
چکیده
توجه به کیفیت محصولات کشاورزي براي رقابت با بازار از مسائل مورد توجه مسولان امر میباشد، به همین دلیل شرکتها و موسسات مرتبط همواره درصدد کسب تمامی استانداردهاي موجود براي محصولات خود میباشند. بهرهگیري از روشی دقیق و سریع مطابق با استاندارد میتواند در افزایش کیفیت محصول و افزایش مشتري پسندي آن محصول نقش بسزایی داشته باشد. در مقاله حاضر به بررسی امکان استفاده از پردازش تصویر براي شناسایی و شمارش کشمش سالم و دم آن اقدام گردید. در این آزمایش، تصویري از کشمش تهیه شد، سپس با استفاده از الگوریتمهاي پردازش تصویر تعداد کشمش سالم در تصویر و دم آنها شمارش گردید و دیگر ویژگیها نیز مانند درصد کشمش سالم، درصد دم، در یک رابط گرافیکی قرار داده شد.آزمایش نشان داد الگوریتم پردازش تصاویر توانایی تشخیص صحیح 98.95 درصد کشمش سالم از ناسالم و98.61 درصد دم را دارد.
واژههاي کلیدي: پردازش تصویر، درجهبندي کشمش، دم کشمش، رابط گرافیکی کاربر - GUI -
مقدمه:
کشمش در ایران یکی از محصولات مهم و صادراتی میباشد. درجهبندي دستی کشمش گران و به سبب محدودیتهاي طبیعی انسان قابل اعتماد نمیباشد. دسته بندي و روش درجهبندي ضعیف باعث کاهش در صادرات این محصول میشود. بالعکس استفاده از یک سیستم که بتوان با آن دستهبندي را بدون استفاده از دست انجام داد میتواند این ضعف را جبران کند - عباسقلیپور و همکاران،. - 2010 سیستم پیشنهادي در این تحقیق مبتنی بر الگوریتمهاي پردازش تصویر میباشد. پس از دریافت تصویر، الگوریتمهاي پردازش تصویر بر روي تصویر ورودي اعمال شده تا اطلاعات لازم از آن استخراج شود.درجهبندي مواد غذایی براساس رنگ از مهمترین کاربردهاي سیستم بینایی کامپیوتر میباشد.
ریزام و همکاران با تصویربرداري از پوست هندوانه و فیلتر کردن تصاویر با به کارگیري از پردازش تصویر در فضاي رنگی YCbCr و همچنین شبکه عصبی توانستند هندوانههاي سالم را از غیرسالم تشخیص دهند و آنها را براساس اندازه تقسیمبندي نمایند. - ریزام وهمکاران، - 2009 لیمینگ و همکاران پردازش تصویر را براي درجهبندي توت فرنگی براساس رنگ، شکل و اندازه به کار بردند. آنها با به کارگیري سیستمی شامل یک نوار نقاله و دو عدد سنسور و همچنین دوربینی که بر روي سیستم نصب بود، پس از تبدیل تصاویر گرفته شده به فضاي رنگی l*a*bو همچنین استفاده از تابع K_means توانستند به این مهم دست یابند. - لیمینگ وهمکاران، - 2010
هم-چنین در پژوهشی که در سال 2006 با هدف اندازه گیري رنگ در مواد غذایی با ظاهر یکنواخت با استفاده از تکنیک پردازش تصویر انجام شد، چیپس سیبزمینی به عنوان یک مدل از این محصولات انتخاب شد. ظاهر چیپس به دلیل توزیع پیچیده ترکیباتی مانند نشاسته، آب، قندهاي احیا داراي رنگ غیریکنواختی میباشد. لذا در کنترل کیفیت محصول نهایی باید میانگینی از پارامترهاي سطح در نظر گرفته شود. به طور کلی استفاده از پردازش تصویر به دلیل قابلیت بالاي این تکنیک در پردازش پارامترهاي کل تصویر و جداسازي ناحیهاي خاص از نمونه - مثل مناطق قهوهاي - ، در مورد محصولاتی با ظاهر غیر یکنواخت کاربرد فراوانی دارد. - فران کو و همکاران، - 2006
همچنین مهدي عباسقلیپور و همکاران سیستمی را جهت درجهبندي کشمش سالم از ناسالم با استفاده از نرمافزار ویژوال بیسیک تعیین کردند. - عباسقلیپور و همکاران، - 2010 در تحقیقی دیگر اوکامورا و همکارانش پردازش تصویر را براي تعیین میزان چروکیدگی کشمش به کار بردند و توانستند کشمش را به سه درجه تقسیم نمایند. - اوکامورا و همکاران، - 1993در مقاله حاضر، هدف ارائه یک سیستم مبتنی بر بینایی کامپیوتر براي شناسایی کشمش سالم از غیر سالم ،شمارش کشمشهاي سالم وگسترش سیستم براي شناسایی تعداد کشمشهاي سالم دمدار است. در آزمایشات انجام شده، تصاویري ازکشمشهاي مطلوب تهیه شده و مورد تحلیل و بررسی قرار میگیرد. تا با استفاده از نتایج این تحقیق بتوان الگوریتمی جهت تحقق اهداف مورد نظر به دست آورد.
مواد و روشها
-1 نورپردازي و تصویربرداري
براي تهیه تصویر از کشمش، سیستم نورپردازي با استفاده از یک نگهدارنده و لامپ مهتابی نصب شد. نگهدارنده، دوربین و مهتابی را در وضعیت مطلوب - دوربین در فاصله 20سانتیمتري و مهتابی در 25 سانتی متري - قرار میدهد.کشمشها بر روي یک پس زمینه آبی رنگ قرار داده شده و توسط یک دوربین دیجیتال سونی عکس برداري می-
شود. دوربین دقیقا در بالاي نمونه قرار دارد. خروجی دوربین تصویر رنگی در فضاي RGB است. سیستم دقیقا مشابه سیستم ارائه شده براي تحقیق اوکامورا و همکارانش میباشد. - اوکامورا و همکاران، - 1993
-2 استخراج ویژگی:
پس ازگرفتن تصویر، براساس توابع موجود در نرم افزار مطلب تعدادي ویژگی باید از تصویر استخراج کرد. ویژگی-هاي انتخاب شده شامل تعداد کشمشهاي سالم، تعداد کشمشهاي ناسالم، درصد کشمش سالم، درصد دم، میانگین مساحت وواریانس آنها است. هر یک از این ویژگیها به صورت زیر تعریف میشود:
تعداد کشمش سالم: تعداد اشیا موجود در کلاستري که داراي کشمشهاي سالم میباشد.
تعداد کشمش ناسالم: تعداد اشیا موجود در کلاستري که داراي کشمشهاي ناسالم میباشد.
درصد کشمش سالم: درصد کشمشهاي سالم موجود در تصویر اصلی.
درصد دم: درصد کشمشهاي سالم داراي دم در تصویر کشمشهاي سالم.
میانگین مساحت: میانگین مساحت کشمشهاي سالم - هر کشمش در تصویر داراي تعداد مشخصی پیکسل میباشد که نشان دهنده مساحت آن کشمش است - .
واریانس: واریانس مساحت کشمشهاي سالم که نشان دهنده میزان کوچکی وبزرگی کشمشها میباشد.
-3 آشکار سازي کشمشهاي سالم
از آن جایی که تصویر گرفته شده علاوه بر کشمشهاي سالم، کشمشهاي نا سالم و پسزمینه نیز در آن موجود است، لازم است که آنها را به طریقی شناسایی کرد. از آن جایی که در تصاویر گرفته شده، سه نوع رنگ موجود است - رنگ کشمش سالم، کشمش ناسالم و زمینه - ، شناسایی کشمش در فضاي رنگی L*a*b راحتتر است.فضاي رنگی CIEL*a*b که گاه با L*a*b نیز بیان میشود، یک رابطه غیرخطی با فضاي رنگی RGB دارد. در فضاي رنگی RGB، هر یک از رنگهاي قرمز، سبز و آبی به ترتیب با مقادیر R، G و B مشخص میشود، در حالیکه در فضاي رنگی L*a*b، L مقدار روشنایی پیکسل، a نسبت میزان قرمزي به سبزي و b نسبت زردي به آبی بودن پیکسل را نشان میدهد - لئون وهمکاران، . - 2006 از مهمترین علل استفاده از فضاي رنگی CIE Labبه جاي RGB میتوان به شباهت زیاد مدل رنگی Lab به مکانیزم درك رنگ در چشم انسان اشاره کرد. علاوه بر این، در اکثر سیستمهاي کنترل کیفیت که در صنایع غذایی کاربرد دارد، از مدل رنگی Lab استفاده شده است . -
