بخشی از مقاله
چکیده
پسته یک محصول مهم از نظر غذایی و دارویی می باشد. در کنار اهمیت غذایی و دارویی پسته، این محصول از نظر مادی نیز دارای اهمیت ویژه ای است و یکی از محصولات مهم صادراتی می باشد. ایران یکی از بزرگترین صادر کننده های این محصول با ارزش می باشد. بنابراین دسته بندی این محصول براساس کیفیت آن ها امری ضروری می باشد که باعث افزایش ارزش آن می گردد. در ایران معمولا عمل دسته بندی به وسیله نیروی انسانی و یا ابزار مکانیکی انجام می شود. این ابزارهای مکانیکی دارای خطا می باشند و به دلیل برخورد مستقیم با پسته باعث آسیب به این محصول با ارزش می شوند. بنابراین نیاز به روش های نوین و غیر مخرب احساس می شود. در این مقاله، ما یک روش برای دسته بندی پسته به دو دسته خندان و نا خندان ارائه می دهیم. در این روش، از تکنیک های پردازش تصویر استفاده می کنیم تا شکاف میوه پسته را استخراج کنیم. سپس با استفاده از تکنیک های محاسباتی در متلب اقدام به محاسبه مساحت سطح آشکار شده می کنیم و آنگاه عمل دسته بندی را با توجه به مساحت محاسبه شده انجام می دهیم. ما روش پیشنهادی مان را بر روی 200 نمونه ارزیابی کردیم و دقت %96.5 را به دست آوردیم.
واژگان کلیدی: پسته، پردازش تصویر، دسته بندی، متلب
مقدمه
پسته گیاهی از خانواده Anacardicea می باشد. میوه درخت پسته از یک هسته یا مغز تشکیل شده است که درون یک محفظه سخت قرار گرفته است. زمانی که میوه این درخت می رسد، پوسته آن شروع به باز شدن و خندان شدن می کند. با این حال در بعضی موارد و حتی پس از رسیدن پسته، پوسته سخت آن بسته می ماند - کثیری بیدهندی و صفابخش، . - 1386 این محصول از اهمیت غذایی مهمی برخوردار می باشد. در کنار اهمیت غذایی، این محصول کشاورزی در دنیا به نام ایران شناخته می شود و ایران به عنوان یکی از صادر کننده های مهم این محصول به شمار می رود - کلانی تربقان، . - 2016 علاوه بر ایران، این محصول در خاورمیانه و کشورهای مدیترانه ای و آمریکا نیز کشت می شود. با این حال ایران بزرگترین تولید کننده این محصول در جهان می باشد - قزلباش و همکاران، . - 1391
محصول پسته از نظر شکل ظاهری و کیفیت دارای تنوع زیادی می باشد که تاکنون 60 نوع مختلف در ایران شناسایی شده است. به طور معمول در ایران، عمل برداشت پسته بصورت دستی انجام می شود ولی در باغ های بزرگ از تکاننده برای برداشت نیز استفاده می گردد - محمودی و همکاران، . - 1393 عمل مرتب سازی پسته در ایران معمولا توسط نیروی انسانی و یا توسط دستگاه های مکانیکی انجام می شود. استفاده از این ابزارهای مکانیکی دارای خطا می باشد و همچنین به دلیل برخورد مستقیم با میوه پسته باعث آسیب رساندن به این محصول با ارزش می شود. به همین دلیل در سال های اخیر توجه به روش های نوین مبتنی بر پردازش تصویر و غیر مخرب در مرتب سازی پسته رشد داشته است - سعیدان و غضنفری مقدم، . - 1390
بنابراین، روش های زیادی به منظور مرتب سازی پسته معرفی شده است که در اینجا به ذکر چند مورد می پردازیم. در سال 1995 سامانه بینایی ماشین که از سه دوربین استفاده می کرد برای شناسایی اتوماتیک پسته های آلوده توسط پیرسون توسعه یافت - Pearson . - and Toyofuko, 2000 در پژوهش دیگر صورت گرفته، غضنفری و همکاران، یک سیستم برای درجه بندی پسته به چهار درجهG1، G2، G3 و غیر خندان ارائه دادند. در این روش از سری فوریه و سطح تصویر بدست آمده از شمارش پیکسل های تصاویر دو بعدی پسته برای تشخیص استفاده شده است Ghazanfari et al, 1997 - ؛ . - Ghazanfari et al, 1998 پیرسون برای جداسازی پسته های خندان و غیر خندان کرمان از آنالیز تشخیصی استفاده کرد که دقت بالایی را در برداشته است . - Pearson, 2001 -
پیرسون و تویفوکو امکان جداسازی پسته های خندان از غیرخندان را مورد بررسی قرار دادند که دقت %95 را در برداشت - Pearson and . - Toyofuko, 2000 یک نمونه آزمایشگاهی مشابه با کار پیرسون و تویفوکو توسط صیادزاده و همکاران ساخته شد - صیاد زاده و همکاران، . - 1383 همچنین ستین و همکاران از روش تشخیص صوتی برای شناسایی پسته های خندان و غیر خندان استفاده کردند که دقت حدود %90 را در پی داشته است و در هر ثانیه پاسخگوی 25 پسته بوده است . - Cetin et al , 2004 - قزلباش و همکاران امکان جداسازی پسته های خندان و غیرخندان را بااستفاده از سه دوربین ترکیب دو آینه تخت یک دوربین برای تصویر برداری مناسب پسته ها را بررسی کردند - قزلباش، 1384 ؛ قزلباش و همکاران، . - 1385
در کار دیگر این گروه عمل جداسازی پسته های خندان و غیر خندان با دقت %92 برای پسته های خندان و %82.2 برای پسته های غیر خندان انجام شده است - Ghezelbash et . - al, 2011 هاف و پیرسون از استروسکوپی مادون قرمز برای انتخاب باند فرکانسی مناسب و تشخیص پسته های معیوب استفاده کردند . - Haff and Pearson, 2006 - محمودی و همکاران یک روش مبتنی بر شبکه عصبی را برای طبقه بندی چهار رقم پسته صادراتی ایران - کله قوچی، اکبری، بادامی و احمد آقایی - ارائه دادند. در کار دیگر این گروه، استفاده از شبکه عصبی برای جداسازی پسته خندان و غیر خندان ارائه شده است . - Mahmoudi et al, 2006 - امید در سال 2001 بااستفاده از روشی مرکب از درخت تصمیم و سیستم فازی توانستند پسته های خندان و غیر خندان را از هم جدا کنند.
آنها از درخت تصمیم برای تعیین قوانین سامانه استنتاج فازی استفاده کردند . - Omid, 2011 - آتاس و دوغان از چندین دسته بندی کننده برای دسته بندی پسته استفاده کردند و مقایسه ای را بین دقت های آنها انجام دادند . - Atas and Dogan, 2015 - آتای و همکاران از تکنیک های پردازش تصویر و ابزار فتوشاپ برای دسته بندی پسته استفاده کردند که دقت قابل قبولی را برای دسته بندی ارائه می دهد . - Atay et al, 2007 - در این مقاله ما یک روش مرتب سازی پسته - به دو دسته خندان و ناخندان - را ارائه می دهیم که از تکنیک های پردازش تصویر در آن استفاده می شود. بخش های مختلف مقاله به شرح زیر می باشد: بخش 2 کارهای مرتب در زمینه مرتب سازی پسته را ارائه می دهد. بخش 3 روش پیشنهادی را شرح می دهد. در بخش 4 ارزیابی روش پیشنهادی و مقایسه نتایج آن با نتایج کارهای مرتبط آورده شده است. در انتها در بخش 5 نتایج این پژوهش بیان شده است.
روش پیشنهادی
در این بخش ما جزئیات روش پیشنهادی برای دسته بندی پسته به دو دسته خندان و غیر خندان را ارائه می دهیم. همانطور که در شکل 1 نشان داده شده است، روش پیشنهادی از 5 فاز تشکیل شده است. این 5 فاز شامل عکس برداری، پیش پردازش، استخراج مغز پسته، محاسبه مساحت مغز و دسته بندی می باشد که در هریک از زیر بخش های زیر یک فاز از روش را بررسی می کنیم.
عکس برداری
در فاز عکس برداری، نمونه های مختلف پسته بر روی یک سطح سفید قرار گرفته و با استفاده از یک دوربین دیجیتال مناسب، عمل عکس برداری انجام می شود. برای بدست آوردن تصاویری با کیفیت مناسب و یکسان، دوربین در فاصله ثابتی از نمونه های پسته بر روی یک پایه قرار می گیرد - برای نبود لرزش در تصاویر - و عمل عکس برداری انجام می شود. تمامی تکنیک های پردازش تصویر بر روی عکس های دیجیتال انجام می گیرد. در شکل 2 چند نمونه از عکس های گرفته شده، ارائه شده است.
پیش پردازش
در این فاز، پس از دریافت عکس گرفته شده در فاز قبل، اقدام به پیش پردازش عکس می کنیم. پیش پردازش شامل دو مرحله می باشد. این دو مرحله عبارتند از: تبدیل عکس رنگی به عکس خاکستری و افزایش وضوح و شفافیت عکس خاکستری. عمل تبدیل عکس رنگی به عکس خاکستری با استفاده از دستور gray2scale در متلب انجام می شود. شکل 3، نمونه عکس های خاکستری شده را نشان می دهد.پس از عمل تبدیل عکس رنگی به عکس خاکستری، اقدام به افزایش وضوح و شفافیت عکس خاکستری می کنیم. این کار با استفاده از دستور imadjust در متلب انجام می شود. شکل 4، نمونه عکس هایی را نشان می دهد که عمل افزایش وضوح و شفافیت در مورد آن ها انجام شده است.
استخراج مغز پسته
در فاز استخراج مغز پسته از تکنیک های پردازش تصویر استفاده می کنیم و مغز پسته را استخراج می کنیم. در این مرحله ابتدا عکس های بدست آمده از گام قبلی را باینری می کنیم سپس زمینه عکس - نواحی غیر ضروری - را سفید کرده و آنگاه با استفاده از تکنیک آستانه گیری و سیاه کردن قسمت های تیره و سفید کردن قسمت های روشن مغز پسته را استخراج می کنیم.شکل 5، قطعه کد متلب برای اجرای تکنیک سطح آستانه را نشان می دهد که به منظور استخراج مغز پسته مورد استفاده قرار می گیرد.پس از اعمال گام استخراج مغز پسته، در خندان بودن پسته، مغز پسته در صفحه باقی می ماند و اگر پسته ناخندان باشد آنگاه به
