machine vision in agriculture (farsi)

58
دارير بر ب و ص ت در دا ت ب ا در ن ی ا ت م س ق ه بر ب و ص ت ه ت خردا ب ی مر ب صاو ت ود.( ش ی ل ا ت ی ج ی د ار ی م س ق هاي ی ک چ و ک ه ب ام ن ل س ک ت< ب ل ت ک( س ت ده( ش د ان که ن ی د ن ورت ص ف ی ر ع ت ی م د، ون( ش ل س ک ت< ب اط ق ت ار تس ت ر ب ر ی ع ت ر م ی کل( ش د ت ست ه که ار ع م ج ی ها، ن[ ار ب و ص ت روي حه ف ص( ش ت ما ن ا ن روي د کاغ ل ک( ش ی م رد. گی ه ب ور ط ی کلدارير بر ب و ص ت ه ب ی ت ا ت مل ع ه ت ف گ ی م ود( ش که له ت س و ب ها ن[ اري ب صاو ت، وت ل مط ارp ک ی یء( ش ورد م رv ظ ت ه ب ت س د ورد،[ ا که در ن ی ا ه( ورر ب و ه( ورر ب هاي( ش دارر بر ب و ص ت ورv ظ ن م ی ت ا ت مل ع ت س ا کهراي ب ه ب ت س د وردن[ ار ب و ص ت ار~ ی ی( س ورد م رv ظ تراي ب( ش دارر بp ک ت ب وما ب ا و ه ب ت س د وردن[ ا ات ت ص و ص خ م ه م ن[ ا اده ق ت س ا ی م ود. در( ش ادامه ل م وا ع ر( ب و م دردارير بر ب و ص ت ح ی ص و ب داده ی م ود.( ش ي دارر ب ور ب ور ب ي دارر ب، ت س ا ت م ی ک ن ار ات اچ ت ی چ ا ه ت ل او راي ب دارير بر ب و ص ت ت ي ف ت ك. ت س ار ب و ص ت ه ن ت س د مده[ ا ت ح ی ر ی( ب ا ن اد ن ر ط رات( ش ي دارر ب ور ب ه ب کار ه ت ق رار ر قp ک دارد. یر ب و ص ت ا ن ت ي ف ت كلا ا ن د وان ت مت ه ب( ش ه کا ی گ د ي ح ي< ب و مان ر ورد م ار ت ب راي ب( ش دارر بر ب و ص تp مک ك د. که ت ك ن ی ا ل م ع( ت ع ا ن( ش ه کا ه ن ب ر ه هاي م ت س شي( ش دارر بر ب و ص ت ی م ود.( ش ردهاي ب کار ف ل ي ح م ن مک م ت س ا د ت م ار ت ب( روش هاي ف ل ي ح م ي دارر ب ور ب ی ی بو و ب د.( اش ن1 در شال1991 ( ارش ر گ داده ت س ا که ر( کی ا ی ي ك ر ب هاي ي دارر ب ور ب را ی م وان ی ه ب ی ک ن ار روه گ هاير ب ر م ت س ف ت دي ت ب رد: ک ي دارر ب ور ب ار و ل چ ي دارر ب ور ب ار ت ف ع ي دارر ب ور ب اري ي خ شا1 Novini ? 1

Upload: davidrat2007

Post on 06-Jun-2015

517 views

Category:

Documents


9 download

DESCRIPTION

این یک بررسی منابع از ماشین بینایی و کاربرد آن در صنعت کشاورزی است که دوستانی که عنوان پایان نامه یا تحقیق مشابه دارند می توانند بدون ذکر منبع استفاده نمایند.

TRANSCRIPT

Page 1: machine vision in agriculture (farsi)

تصويربرداري کوچکی هایقسمت از دیجیتالی شود. تصاویرمی پرداخته تصویر به قسمت این در ابتدا در ریز بسیار نقاط پیکسل شوند،می تعریف صورت بدین که اندشده تشکیل پیکسل نام به

-می شکل کاغذ روی یا نمایش صفحه روی تصویر آنها، تجمع از که هستند شکلی مربعیگیرد.

از مطلوب، تصاویری آنها بوسیله که شودمی گفته عملیاتی به تصویربرداری کلی طور به منظور تصویر پردازش هایپروژه و پروژه این در که آورد، دست به نظر مورد شیء یک

پردازش برای نظر مورد شیئ از تصویر آوردن دست به برای که است عملیاتی موثر عوامل ادامه شود. درمی استفاده آن مهم خصوصیات آوردن دست به و اتوماتیک

شود.می داده توضیح تصویربرداری در

نورپردازی-به تصوير است. كيفيت تصويربرداري براي اوليه احتياجات از يكي مناسب، پردازي نور

كيفيت با تصوير دارد. يك قرار رفته كار به نورپردازي شرايط زياد تاثير تحت آمده دست اين كند. كه كمك تصوير پردازش براي نياز مورد زمان و پيچيدگي كاهش به ميتواند باال

ممكن مختلف شود. كاربردهايمي تصوير پردازش سيستم هايهزينه كاهش باعث عمل داده گزارش1991 سال در 1باشد. نووینی نورپردازي مختلف هايروش نيازمند استكرد: بندي تقسيم زير هايگروه از يكي به توانمي را نورپردازي هايتركيب اكثر كه استجلو از نورپردازيعقب از نورپردازيساختاري نورپردازي

را دقت تصوير، 2كنتراست افزايش با تواندمي نورپردازي خوب سيستم يك طراحي(.2004 ،4سان و 3)دو شود تصوير آميز موفقيت آناليز به منجر و دهد افزايش

سيستم هر در مرحله اولين است، ديجيتال صورت به تصوير گرفتن كه تصويربرداري- تكنيك بسط و توسعه براي گذشته هايدهه طي زيادي است. تحقيقات تصوير پردازش

توسعه به مربوط آنها از بسياري زمينه كه است، شده انجام تصويربرداري هاي تصاوير تبديل براي سنسورها گوناگون بسيار هايشكل و انواع است. از بوده سنسورها

توسعه برمبناي گوناگوني هايتالش اخير هايسال است. در شده استفاده ديجيتال فرم به غذايي محصوالت كيفيت و تركيب دهنده تشخيص تهاجمي غير و مخرب غير سنسورهاي

ماوراء هايدوربين ،5CCD هايدوربين مانند گوناگوني است. سنسورهاي گرفته صورت محصوالت از تصاوير آوردن دستبه براي ايگسترده طور به9ET و7MRI، 8CT ،6صوت(.2004 سان، و اند)دو گرفته قرار استفاده مورد غذايي

برداری تصویر هایتکنیک1Novini ?

2 contrast3 Cheng – Jin Du4 Da – Wen Sun5 Charge Coupled Device6 Ultrasound7 Magnetic Resonance Imaging8 Computed Tomography9 Electrical Tomography

1

USER, ۲۰۰۸/۰۱/۰۵,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
USER, ۲۰۰۸/۰۱/۰۵,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
Page 2: machine vision in agriculture (farsi)

تصویر تکنیک دو به خود که است تصویر پردازش کارهای از مرحله اولین برداری تصویر تصویر و است مرسومCCD هایدوربین با برداری تصویر به که بیرونی ساختار از برداریشود.می داده شرح فوق هایتکنیک ادامه شود.درمی تقسیم درونی ساختار از برداری

CCD هايدوربين یا بیرونی ساختار از تصویربرداری الف- تکنولوژی يك از وسيله شود. اينمي داده توضيحCCD هايدوربين كاركرد و عملكرد نحوه درابتدا

به توجه با سلول هر و است شده تشكيل نور به حساس سلولهاي از بعدي دو آرايه وسيله اين كند. خروجيمي توليد الكتريكي جريان يك شود،مي تابيده آن روي كه نوري

ابزار اين است. خروجي ترخطي و دارد كمتري اعوجاج تلويزيوني دوربين به نسبت به و شده برداري نمونه 2گرابر فریم يا 1استون فریم نامبه ابزاري وسيلهبه سپس

كنار از حاصل ويديوي سيگنال سيستم، اين شود. درمي تبديل ديجيتال ويديويي سيگنال )علي است كامپيوتر به انتقال قابل راحتي به و است بيتي8 مقادير دادن قرار هم

. (1381 ، باغباني كيفيت ارزيابي براي تصوير پردازش هايسيستم در مكرر طور بهCCD هايدوربين از

شده استفاده غیره سبزيجات گوشت، ها،دانه ها،ميوه مانند: شيالت، غذايي غذايي مواد براي هادوربين اين از وسيع استفاده به توان ميCCD دوربين كاربردهاي جمله است. از

اشاره غذايي مواد ارزش تخمين و فيزيكي خصوصيات كردن مشخص كيفي، بنديدرجه و دهد)دومي نشان را زمينه اين درCCD دوربين كاربردهاي از اي خالصه2-2 كرد. جدول

(.2004 سان،

در ارزيابي كيفيت مواد غذايي)دو و سان،CCDاي از كاربردهاي دوربين : خالصه2-2جدول2004.)

منابع كاربرد محصوالت طبقه

شيالت

Pontual et al.(1998) الرو رشد روي بر تحقيق كپه دو صدف

اي

Jung and Fred (2002) مفصلي خطوط آشكارسازي Crassostrea

Zion et al.(1999) بندي طبقه ماهي ميوهجات

Leemans et al. (1999) عيوب جداسازي سيب

Beyer et al. (2002) ميوه شكل آناليز آلبالو

Ruiz et al. (1996)-ناحيه مشخصات و يابيمكان

گلدم و ساقه پرتقال

1 Frame stone2 Frame Grabber

2

USER, ۲۰۰۸/۰۲/۲۲,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
USER, ۲۰۰۸/۰۱/۰۶,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
USER, ۲۰۰۸/۰۱/۰۵,
باغبانی، ع. 1381. تکنيک هاي تصوير برداري ، کاربرد و نظريه پردازش سيگنال هاي تصويري در عصر الکترونيک و ارتباطات ، 25، 157-159
Page 3: machine vision in agriculture (farsi)

Pearson & Slaughter (1996) زودشكافتگي آشكارسازي پسته

غالت

Wan et al. (2002) كيفي بنديطبقه برنج

Utku and Koksel (1998) بنديطبقه گندم

گوشت

LI et al. (1999) گوشت تردي و لطافت تعيين گاو

Lu et al. (2000) رنگ ارزيابي خوك

Park et al. (2002) بنديطبقه طيور الشه-سبزيجات

Ringey et al. (1992) عيوب بازرسي مارچوبه

Coppenolle et al. (2002) ديداري مزيت بررسي تلخ كاسني سايرموارد

Wang & Sun (2001) وابسته خصوصيات ارزيابي پنير

Hatcher & Symons (2000 آن ظاهر در جوانه آسيب تاثير فرنگي رشته

كيفيت ارزيابي براي طيف رويت قابل ناحيه از استفاده دشواري دليل به موارد برخي در كار اين كه شود،مي استفاده منظور اين براي طيف رويت قابل غير نواحي از غذايي مواد

داد. انجامCCD هايدوربين با متناسب مختلف فيلترهاي از استفاده وسيلهبه توانمي را دوربين با متناسبnm620-400 تداخلي فيلتر يك از1992 سال در همكاران و 1ریگیCCDكرد. براي استفاده مارچوبه ديده آسيب و سالم بافت بين 2كنتراست تخمين براي

يك از بيش استفاده موارد برخي در غذايي محصوالت از كامل بازرسي يك به رسيدن و 3لی ،2002 سال است. در ضروري مختلف جهات از برداري تصوير براي دوربين

پوست هايديدگيآسيب كردن جدا براي را خودكار جديد آزمايشي سيستم يك همكاران باCCD دوربين شامل كه دادند گسترش كامپيوتر بينايي تكنولوژي براساس سيب،

سان، و بود)دو نقاله پايين و باال قسمت درnm840 گذر ميان تداخلي نوري فيلترهاي2004.)

تازه بادنجان بنديدرجه و معاينه براي بادنجان بالدرنگ بندي درجه ماشين يك همچنين دو از ماشين اين شد. در داده توسعه ژاپن در 4اكاياما كشاورزي تعاوني در بازاري

ديگري و رنگيCCD دوربين6 از استفاده آنها از يكي كه شد استفاده بينايي سيستم حال در كه شدندمي بندي درجه زماني هابود. بادنجان رنگ تكCCD دوربين4 از استفاده

چرخان هاسيني عمودي گردش درجه180بودند. دوار عكاسي هايدوربين ميان از انتقال كند. بازرسي را بادنجان كامل سطوح تا سازدمي قادر را دوربين ها،جعبه اين ميان در

در پايين، حد از بيش كيفي انعكاس با رنگ اين كه دارد تيره ارغواني رنگ بادنجان ميوه استخراج و بادنجان هايميوه روي عيوب آشكارسازي نتيجه، دارد. در قرار مرئي طيف غلبه است. براي دشوار پايين، رنگ كنتراست با زمینه يا زمينهپس از ميوه هايويژگي (nm1400-380) بين گذرميان فيلترهاي با NIR نوعCCD رنگي دوربين از مشكل براين

. (2005 همکاران، و 5شد)کندو استفاده

1 Rigey2 contrast3 Li4 Okayama5 Kondo

3

USER, ۲۰۰۸/۰۱/۰۵,
Kondo, N., et al,. 2005. Application of NIR-color ccd camera to Eggplant Grading Machine. Asae Annual Meeting
USER, ۲۰۰۸/۰۱/۰۵,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
Page 4: machine vision in agriculture (farsi)

آوردن دستبه براي 1ساکن وضعيت در بادنجان بنديطبقه براي تحقيقي در همچنين شد. كه استفاده داشت قرار اتاقك يك در كهRGB رنگيCCD دوربين يك از تصاوير

صفحه با هالوژن نورافكن چهار و شده مات داخلي سطح با كرهنيم يك شامل اتاقك اين روي موجود هايلكه هااتاقك طرف از شده منعكس نور2-1 است. شكل كننده پخش سطح با و ساکن وضعيت در شده گرفته دهند. تصاويرمي قرار هدف را هابادنجان سطح

.(2003 همکاران، و 2 بودند)سایتو640×480 وضوح وRGB 256 رنگ

(2003 همکاران، و ها)سایتوبادنجان براي پردازي نور : سيستم2-1 شكل

دروني ساختار از برداري تصوير ب- تكنولوژي-مي را بيروني هايديدگيآسيب و سطحي بافت رنگ، شكل، اندازه، مانند ظاهری خواص

دروني ساختار آشكارسازي كرد. اما بررسيCCD دوربين مانند معمولي وسايل با توان كافي اطالعات تهيه توانايي كه ساده نسبتا و معمول تصويربرداري وسايل از استفاده با

مغز پوكي و داخلي سلولي هايبافت فساد هسته، مانند: آب داخلي عيوب شناسايي براي و هاتكنيك از استفاده مشكل رفع براي منظور است. بدين ممكن غير و مشكل ندارند، را

هاياست. تكنولوژي ضروري غذايي مواد كيفي ارزيابي براي ويژه تصويربرداري هايروش بررسي به مربوط مسايل حل توانايي دارايCT وMRI، ET صوت،ماوراي تصويربرداري

به فوق هايتكنيك ادامه در(.2004 سان، ون دا و باشند)دومي غذايي مواد دروني خواصشود.مي داده شرح ترتيب

صوت ماوراي - تصويربرداري1 تصويربرداري براي حليراه كه است جديدي تكنولوژي صوت ماوراي تصويربرداري

تصويربرداري براي روش كند. دومي عرضه غذايي مواد كيفي ارزيابي براي داخلي باB روش و دامنه كردن مدوله باA روش كه دارد وجود زنده هايبافت از صوتماوراي-ماوراي تصويربرداري كاربردهاي دهد. بيشترمي انجام را كار اين روشنايي كردن مدولهشود.مي ديده گوشت به وابسته صنايع در صوت

MRI - تصويربرداري2 و پزشكي در آن اصلي كاربرد كه دارد قرار گاما پرتو طيف انتهاي در برداري تصوير اين

به روندكهمي كاربه مغناطيسي تشديد صورت به راديويي امواج پزشكي است. در نجوم( 2002 ،4وود و 3شود. )گونزالزمي گفتهMRI تصويربرداري نوع اين

MRIكيفيت با تصاويري آوردن دستبه براي استفاده مورد تصويربرداري تكنيك اولين MRI استفاده از زيادي است. موارد بعديسه و دوبعدي صورت به اشياء درون از باال

تحقيقات و مقاالت در غذايي محصوالت كيفي مهم صفات تخريبي غير ارزيابي براي و )دودهدمي نشان را تحقيقات اين از اي خالصه2-3 است. جدول موجود شده، چاپ

(.2004 سان،

در ارزيابي كيفيت مواد غذايي)دو و سان،MRIاي از كاربردهاي تصويربرداري : خالصه2-3جدول

1 offline2 Yasuo Saito3 Rafael C. Gonzalez4 Richard E. Woods

4

USER, ۲۰۰۸/۰۲/۰۴,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
USER, ۲۰۰۸/۰۲/۰۴,
Gonzalez, C, R., Wood, E, R,. 2002. Digital Image Processing. Prentice- Hall
USER, ۲۰۰۸/۰۲/۰۴,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
USER, ۲۰۰۸/۰۱/۰۵,
Saito, Y, et al,. 2003. Eggplant Classification Using Artificial Neural Network. IEEE. 3.9.2003. 1013-1018
Page 5: machine vision in agriculture (farsi)

2004.)

منابع كاربردها محصوالت طبقه

شيالت

Nott et al. (1999) شدن آب و زدن يخ اثر ماهي-ميوهجات

Clark et al. (1998) هسته آب كمبود مشاهده سيب

Zion et al. (1995) هالكه آشكارسازي

Evans et al. (2002) رطوبت و آب حركت هايداده آوردنبدست فرنگي توت

غالت

Song and Litchfield (1994) شكست تنش گيرياندازه ذرت

Takeuchi et al. (1997) پروفيل تغييرات بالدرنگ گيرياندازه

رطوبت برنج

Song et al. (1998) رطوبت توزيع گيرياندازه گندم

گوشت

Davenel et al. (2000) طيور سينه گوشت بازده تخمين طيورسبزيجا

ت

Duce et al. (1992) زدگييخ اثر و دروني ساختار بررسي سبزكدو

Martens et al. (2002) حساسيت آناليز زميني سيب

CT - تصويربرداري3 تصويربرداري روش يك شودمي ناميدهCAT اسكن اغلب كهCT تصويربرداري تكنيك

چندين توليد براي مخصوصX اشعه وسيله بهCT است. تصويربرداري تهاجمي غير(.رادیولوژی )سایت شودمي استفاده بدن داخل از تصوير

CTغذايي مواد دروني نماي از تصويربرداري كه است غيرتخريبي تصويربرداري تكنيك X اشعه تضعيف هايسرعت بين موجود اختالف براساس روش كند. اينمي پذيرامكان را

از استفاده رابا اجسام نازك هايقسمت تصاوير تواندمي جسم در موجود هايبافت توسط بياورد. وجودبه هاداده آوري جمع براي شده نصب ساز آشكار وX اشعه متحرك منبع

تصوير جسم مختلف هايقسمت تصاوير تركيب با توانمي را اجسام بعدي سه نمايش دستبه آنها ارزيابي براي بعدي هاياستفاده و هاآن ديجيتالي ذخيره و شده برداري(.2004 سان، و آورد)دو

مانند: شيالت، غذايي محصوالت بعضي ارزيابي براي ايگسترده طوربه روش اين از ای خالصه2-4 جدول(.2004 سان، و شود. )دومي استفاده جاتسبزي و گوشت ها،ميوه

دهد.می نشان غذایی مواد کیفی ارزیابی در راCT تصویربرداری کاربرد از

(.2004 در ارزيابي كيفي مواد غذايي)دو و سان، CTاي از كاربرد تصويربرداري نوع : خالصه2-4جدول

منابع كاربردها محصوالت طبقه

شيالت

Romvari et al. (2002 پروتئين و چربي محتويات بينيپيشخام

آب هاي ماهيشيرين

Rye (1991 هاالشه تركيبات بينيپيش آال قزل

Eien et al. (1998 چربي اليه و بدن شكل ارزيابي

5

USER, ۲۰۰۸/۰۲/۲۴,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
USER, ۲۰۰۸/۰۲/۲۴,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
USER, ۲۰۰۸/۰۲/۲۴,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
USER, ۲۰۰۸/۰۲/۲۴,
www.radiologinfo.org
USER, ۲۰۰۸/۰۲/۰۴,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
Page 6: machine vision in agriculture (farsi)

مشاهده قابل-ميوهجات

Tollner et al. (1992) آبي محتواي تعيين سيب

Sonego et al. (1995 بافتي خصوصيات ارزيابي شليل

Barcelon et al. (1997) دروني تغييرات آشكارسازي هلو

Barcelon et al. (1999) هلوها داخلي كيفيت ارزيابي

Brech et al. (1991) رسيدگي تعيين فرنگي گوجه

گوشت

Remignon et al. (1997) گوشت ميزان و بازده گيرياندازهسينه كبابي پرنده

Tao and Ibarra (2000)- باقياستخوان هايتكه آشكارسازي

مانده جوجه

Kolstad (2001) چربي توزيع و ذخيره گيرياندازه خوك

ET - تصويربرداري4 از بيشتر گيرندمي قرار استفاده مورد غذايي مواد از تصويربرداري براي كهET هايتكنيك توموگرافي ترتيب به كهEMT3 وERT1، ECT2شود. مي استفاده زير حسگري روش سه

الكترومغناطيسي خودالقايي توموگرافي و الكتريكي القاي ظرفيت الكتريكي، مقاومت تصاوير تهيه براي مختلف مواد الكتريكي خصوصيات تفاوت از هاروش هستند. اين

غير سريع، نسبتا تصويربرداري هايروش ها،تكنيك كنند. اينمي استفاده اي تكه يا ايقطعه تغييرات محاسباتي آناليز و گيرياندازه براساس ترتيب به كه هستند هزينه كم و مخرب

جسم يك الكترومغناطيسي خودالقايي و الكتريكي القاي ظرفيت الكتريكي، مقاومت(.2004 سان، ون دا و گيرد)دومي انجامEMT وERT، ECT برداري تصوير براي

تصوير پردازش پیش نويزهايET وMRI، CT صوت، ماوراي ،CCD دوربين توسط شده گرفته تصاوير

موانعي و گردند تصوير يك كيفيت كاهش موجب است ممكن نويزها دارند. اين مختلفي تصوير يك كيفيت بهبود منظور بياورند. به وجودبه بعدي هايپردازش صحيح انجام براي بر عملياتي تصويربرداري طول در تصوير كيفي افت كاهش يا و حذف براي است الزم از كه است تصويري هايداده بهبود تصوير، اوليه پردازش شود. هدف انجام آن روي

-پردازش براي الزم هايويژگي از بعضي يا و كندمي جلوگيري تصاوير ناخواسته هايبدشكلي-به اصلي تصوير از مفيدتري تصاوير ويژه كاربردهاي براي و كندمي اضافه را بعدي هاي

مقدار محاسبه براي شده استفاده پيكسل يك همسايگي اندازه آورد. برپايهمي وجود غذايي مواد كيفي ارزيابي براي موضعي و پيكسلي اوليه پردازش نوع دو جديد، پيكسل

كه است مهمي و ساده تكنيك پيكسلي اوليه است. پردازش گرفته قرار استفاده مورد با خروجي پيكسل هر كه كندمي تبديل خروجي تصوير به ايگونه به را ورودي تصوير پردازش هايروش كه وجودي دارد. با رابطه مستقيم طوربه اشمرتبههم ورودي پيكسل

مقدار آوردن دستبه براي ورودي پيكسل از كوچكي همسايگي از موضعي، اوليه

1 Electrical Resistant Tomography2 Electrical Capacitance Tomography3 Electromagnetic Inductance Tomography

6

USER, ۲۰۰۸/۰۲/۲۴,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
Page 7: machine vision in agriculture (farsi)

-مي هم فيلتراسيون روش، اين به كه كنند،مي استفاده خروجي تصوير در جديد روشناييشود.مي پرداخته باال روشهاي از هركدام تشريح به ادامه در(.2004 سان، و گويند)دو

تصاویر کردن فیلتر کننده آرام فیلترهای از تصویر، اضافی اطالعات و نویز کاهش برای بخش این در

استفاده نویز کاهش و تصویر کردن مات برای کننده آرام شود. فیلترهایمی استفاده قبل تصویر کوچک جزئیات حذف نظیر پردازش، پیش مراحل در کردن مات میشوند. از

هامنحنی و خطوط درون کوچک فواصل کردن متصل و تصویر هایویژگی استخراج از غیر یا خطی فیلتر یک وسیله به کردن مات با توانمی را نویز شود. کاهشمی استفاده

.(1385 جعفری، و داد)خادمی انجام خطیشود:می استفاده کردن مات و نویز کاهش برای زیر کردن فیلتر هایروش از

گذر پایین مکانی کردن فیلتر.1ایمیانه کردن فیلتر.2 با فیلتر این وسیله خواند. به گیری متوسط نوعی توانمی را گذر پایین مکانی کردن فیلتر

روش این هایویژگی دیگر شود. ازمی مات تصویر هاپیکسل از همسایگی گیری متوسط سایر و هالبه که شودمی باعث و شودمی تصویر در تیزی رفتن دست از باعث که است این

.(1385 جعفری، و کند)خادمی مات را تیز جزئیات ایمیانه فیلترهای از استفاده راهکار یک کردن مات نه باشد، نویز کاهش هدف اگر

هر خاکستری سطح گیری، متوسط جای به است خطی غیر روشی که روش است. این و شود)خادمیمی جایگزین پیکسل آن همسایگی در خاکستری سطوح میانه با پیکسل،.(1385 جعفری،

پيكسلي اوليه پردازش اينكه جز به است پيكسل به پيكسل كردن كپي مانند عملي پيكسلي اوليه پردازش هايروش از رنگي فضاي اند. انتقاليافته بهبود مخصوص انتقال تابع اساس بر مقادير

كاربردهاي جمله است. از غذايي مواد ارزيابي براي پيكسلي اوليه پردازش در مرسوم انتظار قابل تمايل يك تصوير، اوليه پردازش براي رنگي فضاي انتقال استفاده مورد و لی و1995همکاران، و است)تائوHIS1 رنگي فضاي براساس كاربردها اكثر براي

استفاده اوليه پردازش برايL*a*b رنگي فضاي از هم هنوز ( هرچند2001 همکاران،كنند.مي

است. معموال رنگي تصاوير دادن تشخيص براي موثري وسيله ،HIS رنگي فضاي 3شوند. تائومي ذخيرهRGB2 فضاي در ديجيتالي وسايل توسط شدهگرفته رنگي تصاوير

تبديل از سيب و زمينيسيب رنگي تصاوير موثر پردازش براي1995 سال در همكاران و كه شده ثابت موضوع كرد. اين استفادهHIS رنگي فضاي بهRGB رنگي فضاي

-است. به موثرتر تصوير پردازش و رنگي بررسي برايHIS رنگي سيستم از استفاده %90 باالي دقتيبه بينايي سيستم رنگي، نمودارهاي با رنگي هايويژگي نمايش وسيله

يافتند. دست سيب، و زمينيسيب بازرسي در در كه ميكنند استفادهL*a*b رنگي فضاي از تصوير مقدماتي پردازش وسايل از بعضي

- نشان*b و سبز يا قرمز مقدار عنوان به*a و روشنايي فاكتور با مرتبط عامل*L آن-مي را تصاوير مخصوص، هايويژگي به دادن اهميت است. براي آبي يا زرد مقدار دهنده داد. بهبود متفاوت، راه از كانال هر به وزن دادن توسطRGB فضاي انتقال با توان

جدا براي ساده ايخوشه آناليزهاي كه دادند نشان2000 سال در 5فلفولدی و 4ویژانیو گزارش نيستند. آنها مناسب سالم، هايقارچ و بيماري توسط ايقهوه هايقارچ كردن

1 Hue, Saturation, and Intensity2 Red, Green, Blue3 Tao4 Vizhanyo5 Felfoldi

7

USER, ۲۰۰۸/۰۲/۲۴,
خادمی، م،. جعفری، د،. 1385. پردازش تصویر رقمی، انتشارات دانشگاه فردوسی مشهد
USER, ۲۰۰۸/۰۲/۲۴,
خادمی، م،. جعفری، د،. 1385. پردازش تصویر رقمی، انتشارات دانشگاه فردوسی مشهد
USER, ۲۰۰۸/۰۲/۲۴,
خادمی، م،. جعفری، د،. 1385. پردازش تصویر رقمی، انتشارات دانشگاه فردوسی مشهد
USER, ۲۰۰۸/۰۲/۲۴,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
Page 8: machine vision in agriculture (farsi)

جداشدن روشنايي، شدت حذف و*b و*a رنگي اجزاي بهRGB مقادير انتقال كه دادند(.2004 سان، ون دا و سازد)چنگمي ممكن را بيمار هايقارچ بهتر

1موضعي اوليه پردازش

در روشنايي مقادير ميانگين براساس را جديدي مقادير موضعي، اوليه پردازش هايروش محاسبه است، شده پردازش نقطه مشابه مشخصاتي داراي كه همسايگي نقاط بعضي

گوناگوني هايروش داراي غذايي مواد كيفيت ارزيابي در موضعي اوليه كنند. پردازشمي از توانمي مساله هر نياز است. طبق پيچيده بسيار هايتقريب تا ساده هايروش شامل تصوير در هالبه حفظ يا و هالبه شكل كردن محو براي موضعي اوليه پردازش هايروش

(.2004 سان، و كرد)دو استفاده تضعيف براي ساده فيلتر يك از استفاده كار اساس موضعي اوليه هايپردازش اكثر در

-به براي،1998 سال در 3کوکسل و 2است. اوتکا كوچك هاينوسان ساير يا و هانويز-نويز بردن بين از براي 4غيرخطي فيلترينگ روش يك از گندم خصوصيات آوردن دست

به توانمي را گذرميان فيلتر كردند. روش استفاده تصويري هايداده در احتمالي هاي نظر در شوند،مي ناميده هم ترتيبي آماري فيلترهاي كه فيلترها از خاصي حالت عنوان از معموال دليل اينكند. بهمي حفظ نيز را هالبه زياد، نويزهاي حذف وجود با كه گرفت امكان حد تا اينكه منظور شود. بهمي استفاده شناسيلبه روشهاي از قبل گذرميان فيلتر سال در همکاران و لیمن شود، حفظ فيلترشده تصوير در سيب اصلي هايديدگيآسيب

جداسازي براي3×3 ايجعبه فيلتر و3×3 گذر ميان فيلتر فيلتر، نوع دو از1998كردند. استفاده 5دلیشز گلدن نوع سيب هايديدگيآسيب

تصویر پردازش� اصلی انگیزه دو تصویر پردازش در رنگ از استفاده کلی طوربه تحلیل در دارد: اوال

از شیئ استخراج و شناسایی موارد اغلب در که است توانایی گر توصیف رنگ خودکار،�می ساده را صحنه شود،می انجام انسان وسیلهبه تصویر تحلیل که مواردی در کند. ثانیا سایه24 حدود با مقایسه در را، رنگ شدت و سایه هزاران است قادر انسان چشم

.(1385 جعفری، و دهد)خادمی تشخیص خاکستری، پردازش و 6رنگی تمام شود: پردازشمی تقسیم اصلی حوزه دو به رنگی تصویر پردازش

� نظر مورد تصاویر اول، گروه . در7رنگی شبه برداشته رنگی تمام حسگر یک با معموال سایه یک ها،شدت از ایمحدوده یا خاص تکرنگ شدت، هر به دوم، گروه شوند. درمی

شود.می منتسب رنگی� الکترومغناطیسی انرژی طیف رنگی نور پوشاند. سهمی را متر نانو700 تا400 از تقریبا

9لومینانس ،8شود: تشعشعمی استفاده اصلی نور منبع کیفیت توصیف برای اصلی کمیت

.10روشنی و تصاویر، بندی بخش از کرد. پس بندیبخش را تصویر باید ویژگی استخراج برای سپسگردند.می آماده نهایی کاربرد برای و شوندمی استخراج نظر مورد هایویژگی

تصویر بندی بخش� به تصویر بندی، بخش عمل است. با بندی بخش تصویر، تحلیل در اول مرحله معموال نظر مورد موضوع به بندی، بخش شود. میزانمی تقسیم اشدهنده تشکیل هایقسمت

1 Local pre- processing2 Utka3 Koksel4 Nonlinear Filtering5 Golden Delicious6 full color processing7 pseudo color processing8 Radiance9 Luminance10 Brightness

8

USER, ۲۰۰۸/۰۲/۲۴,
خادمی، م،. جعفری، د،. 1385. پردازش تصویر رقمی، انتشارات دانشگاه فردوسی مشهد
USER, ۲۰۰۸/۰۲/۲۴,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
USER, ۲۰۰۸/۰۲/۲۴,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
Page 9: machine vision in agriculture (farsi)

باید شدند، جدا هم از نظر مورد کاربرد عالقه مورد اشیای وقتی دارد. یعنی بستگی.(1385 جعفری، و شود)خادمی متوقف بندی بخش

مرحله است. این تصویر پردازش در کارها ترینمشکل از یکی بندی بخش کلی طور به بخش با واقع کند. درمی تعیین را تصویر تحلیل احتمالی شکست یا موفقیت که است بخش هایشود. الگوریتممی حاصل قبول قابل جواب یک موارد، بیشتر در موثر بندی� رنگ، تک تصاویر بندی یعنی خاکستری سطوح اصلی خاصیت دو از یکی بر مبتنی معموال

سطح سریع تغییرات اساس بر تصویر اول، دسته هستند. در شباهت یا پیوستگی نا آشکارسازی دسته این در عالقه مورد اصلی شود. موضوعاتمی بندی بخش خاکستری

دوم دسته در اصلی هایاست. روش تصویر هایلبه و خطوط آشکارسازی منفرد، نقاط بندی بخش هستند. مفهوم ناحیه ادغام و تقسیم ناحیه، رشد گیری،آستانه بر مبتنی دو هر برای توانمی را خاکستری سطوح مقادیر شباهت یا ناپیوستگی اساس بر تصویر

-الگوریتم از تحقیق این در که است دلیل همین برد. به کار به متحرک و ثابت تصویر نوع استفاده تصاویر هایلبه و خطوط آشکارسازی برای رنگ، تک تصاویر بندی بخش هایشد.

رقمی تصویر در اصلی ناپیوستگی نوع سه سازی آشکار برای روش چند بخش این در کار، ناپیوستگی پروژه این در اینکه به توجه شود. بامی ارائه هالبه و خطوط نقاط، یعنی

عمل، شود. درنمی انجام منفرد نقاط ناپیوستگی قسمت توضیح هستند هالبه و خطوط است.برای نقاب یک با تصویر کامل پیمایش هاناپیوستگی جستجوی برای راه ترینعمومی در نقاط ضرایب هایضرب حاصل مجموع محاسبه شامل روال این2-3 شکل3×3 نقاب

تصویر نقطه هر در نقاب پاسخ است. یعنی نقاب زیر ناحیه هایپیکسل خاکستری سطوحاز: است عبارت

R=W1Z1+W2Z2+……+W9Z9= -1فرمول

2

W3W2W1

W6W5W4

W9W8W7

3×3 عمومی نقاب : یک2-3 شکل

در نقاب پاسخ معمول است. طبق Wi نقاب ضریب زیر پیکسل خاکستری سطحZi که پاسخ باشد، مرزی پیکسل یک روی نقاب مرکز شود. وقتیمی تعریف اشمرکزی پیکسل

شود.می محاسبه مناسب جزئی همسایگی یک از استفاده با آن

خط آشکارسازی شود. اگرمی استفاده تصویر در موجود خطوط آشکارسازی برای2-4شکل هاینقاب از

داد. با خواهد بزرگتری بسیار پاسخ افقی خطوط به نماید حرکت تصویر در نقاب اولین نقاب وسط سطر از افقی خط که شودمی نتیجه بیشینه پاسخ وقتی ثابت، زمینه یک

خطوط به سوم نقاب درجه،45 خطوط به2-4 شکل از دوم نقاب کند. همچنین عبوردهند.می را هاپاسخ بهترین - درجه45 خطوط به چهارم نقاب و عمودی

راست به چپ از ترتیب به2-4 شکل هاینقاب پاسخ بیانگرR4 وR1، R2، R3 شود فرض تصویر تمام در هانقاب از هریک که شود فرض و شوندمی تعیین2-1 معادله با که باشند

، که هاییj تمام برای تصویر معین نقطه یک در شود. اگر داده حرکت I نقاب جهت در خطی به مربوط نقطه آن بیشتر احتمال به که شودمی گفته باشد،� است، به که شودمی گفته باشد، ،j=2,3,4 ازای به تصویر نقطه یک در اگر مثال

است. افقی خط یک به مربوط نقطه آن بیشتر احتمال

9

USER, ۲۰۰۸/۰۲/۲۴,
خادمی، م،. جعفری، د،. 1385. پردازش تصویر رقمی، انتشارات دانشگاه فردوسی مشهد
Page 10: machine vision in agriculture (farsi)

خط های: نقاب2-4 شکل

لبه آشکارسازی تا شود،می مطرح خط و نقطه آشکارسازی بندی، بخش از شرحی هر در یقین به گرچه سطح در معنادار هایناپیوستگی آشکارسازی برای راه ترینمتداول لبه آشکارسازی کنون

و منفرد نقاط عملی تصاویر بیشتر در که است این آن است. دلیل تصویر خاکستری لبه از ایپایه توصیف یک باید ابتدا دهند. بنابرایننمی رخ فراوان طور به باریک خطوطشود.می داده شرح لبه ایپایه توصیف ادامه بگیرد. در صورت

� خواص با نواحی بین مرز لبه فرض زیر شرح است. در خاکستری سطح متفاوت نسبتا سطح هایناپیوستگی اساس بر تنها توانمی که هستند همگن نظر مورد نواحی که شودمی

کرد. معین را دیگر ناحیه به ناحیه یک از گذر خاکستری است. محلی مشتق عملگر یک محاسبه لبه، آشکارسازی هایروش بیشتر در پایه نظریه روی روشن نوار یک از تصویری الف2-5سازد. شکلمی روشن را مفهوم این2-5 شکل دوم و اول مشتقات نیز و آن، افقی خط یک طول در خاکستری سطح مقطع تیره، زمینه

صورت روشن( به به تاریک سطح ار لبه)گذر مقطع این دهد. درمی نمایش را مقطع آن� که دهدمی نشان مدل شود. اینمی مدل خاکستری سطح سریع، نه آرام، تغییر یک معموالشوند.می مات کمی برداری، نمونه اثر بر رقمی تصاویر هایلبه

،1گذر جلویی لبه در خاکستری سطح مقطع اول مشتق که دهدمی نشان الف2-5 شکل با نواحی در است، انتظار مورد که همانطور و است منفی آن عقبی لبه در است، مثبت تیره طرف در که گذر از قسمتی برای دوم است. مشتق صفر ثابت خاکستری سطح

منفی است، لبه روشن طرف در که گذر دیگر قسمت برای است، مثبت است، لبه اول مشتق بزرگی از است. بنابراین صفر ثابت خاکستری سطح با نواحی در و است،

مشتق عالمت از و ندارد، یا دارد قرار لبه روی در پیکسل آیا اینکه تعیین برای توانمی دارد، قرار لبه روشن یا تیره طرف روی نظر مورد لبه پیکسل آیا اینکه تعیین برای دوم

یک خاکستری سطح گذر هر وسطی نقطه در دوم مشتق که کنید کرد. توجه استفاده-می فراهم تصویر هایلبه محل تعیین برای قوی راهی صفرها از دارد. عبور صفر از عبور

آورند. توضیحات است، بوده محدود بعدی یک افقی برش یک به شرح این تاکنون گرچه

نقطه هر در کند. ومی صدق نیز دلخواه جهت هر با تصویر در لبه یک برای مشابهیشود.می تعریف لبه جهت بر عمود مقطع یک تنها مطلوب

1 Transition

10

Page 11: machine vision in agriculture (farsi)

با نیز دوم است. مشتق 1گرادیان بزرگی برابر نقطه هر در تصویر اول مشتق اندازه الپالسین و گرادیان عملگرهای مبحث این ادامه آید. درمی دست به الپالسین از استفاده

شود.می داده شرح

روی تیره تیره. )ب( نوار زمینه روی روشن مشتق: )الف(نوار عملگرهای با لبه : آشکارسازی2-5 شکلدارد. صفر از گذر یک لبه هر محل در دوم مشتق که شود روشن. توجه زمینه

گرادیان الف- عملگرهایاست: زیر بردار ( برابرx,y) نقطه درf(x,y) تصویر گرادیان2-2 معادله طبق

2-2 فرمول

1 Gradient

Page 12: machine vision in agriculture (farsi)

است جهتی ( درx,y) نقطه در گرادیان بردار بردارها، تحلیل و تجزیه مبحث از استفاده با است بردار این بزرگی لبه آشکارسازی در مهم کمیت باشد. یک بیشینهf تغییر آهنگ که� که شود:می داده نشانΔf با و میشود اشاره گرادیان عنوان با معموال

Δf = max(Δf) = [Gx2 + Gy

فرمول 1/2[ 23-2

است. مرسومΔf جهت در طول واحد برf(x,y) افزایش بیشینه آهنگ برابر کمیت اینصورت: به را گرادیان مطلق، قدر از استفاده با که است

-4 فرمول 2

دارد. خاص افزار سخت با بویؤه تریساده سازی پیاده که کنندمی تعریف جهت زاویه بیانگرα(x,y) که شود است. فرض مهم کمیت یک نیز گرادیان بردار جهت از زاویه این بردارها، تحلیل و تجزیه مبحث از است. آنگاه(x,y) نقطه درΔf بردار

آید:می دست به2-5 فرمول

فرمول

5-2شود.می سنجیدهx محور به نسبت زاویه این که

مشتقات آوردن بدست بر مبتنی تصویر یک گرادیان محاسبه2-3 و2-2 معادالت طبق

هر کرد. به پیاده را مشتق توانمی طریق چند است. به پیکسل هر در و جزئی

با را سازی آرام و گیری مشتق اثر دو هر که دارند را مزیت این سوبل عملگرهای حال سوبل عملگرهای سازی آرام اثر دهد،می افزایش را نویز گیری مشتق دارند. چون هم

هاینقاب بر مبتنی مشتقات ،2-6 شکل به توجه رود. بامی شمار به جذابی خیلی ویژگیاز: عبارتند سوبل

Gx= (z7 + 2z8 + z9) – (z1 + 2z2 + z3) فرمول 6-2

Gy= (z3 + 2z6 + z9) – (z1 + 2z4 + z7) فرمول 7-2

)الف(

)ب( )پ( مرکز نقطه درGx محاسبه برای شده استفاده های. )ب( نقاب3×3 تصویری ناحیه : )الف( یک2-6 شکل

Gy محاسبه برای شده استفاده . )پ( نقاب3×3 ناحیه

تصویر نقطه هر در نقاب زیر هایه پیکسل خاکستری سطوح هاz گذشته مانند که محاسبه3-4 یا3-3 معادالت از استفاده با نقاب مرکز در گرادیان مقدار هستند. آنگاه

جابجا بعدیپیکسل محل به هانقاب این گرادیان، بعدی مقدار آوردن بدست شود. برایمی یک تصویر، نقاط تمام برای فوق روال اجرای از شود. پسمی تکرار قبل روال و شوندمی

ایپنجره عملیات معمول آید. طبقمی بدست اولیه تصویر ابعاد همان با گرادیان تصویرشود.می اجرا مناسب جزئی هایهمسایگی از استفاده با تصویر مرز روی

Page 13: machine vision in agriculture (farsi)

الپالسین ب- عملگرصورت: به که است دوم مرتبه مشتق یکf(x,y) بعدی دو تابع الپالسین

فرمول

8-2 گوناگونی هایراه به رقمی شکل در نیز را2-8 معادله گرادیان، شود. مانندمی تعریف

دارد: وجود عمل در بیشتر که شکلی ،3×3 ناحیه یک کرد. برای سازی پیاده توانمیΔ2f = 4z5 – (z2 + z4 + z6 + z8 ) فرمول

9-2� هاz که عالمت با که پرانتز داخل هایz ،2-9 شماره معادله اند. درشده تعریف قبال

رقمی الپالسین تعریف هستند. در مرکزی پیکسل یاz5 چهارگانه همسایگی هستند منفی باشد. چون منفی اطراف هایپیکسل ضرایب و مثبت مرکزی پیکسل ضریب باید

که هرگاه این باشد. بنابر صفر باید آن پنجره ضرایب جمع است، مشتق یک الپالسین است. صفر آن پاسخ باشند، داشته یکسانی مقادیر همسایگانش و نظر مورد نقطه-9 معادله سازی پیاده برای آن از توانمی که دهدمی نشان را مکانی نقاب یک2-7 شکل

کرد. استفاده2

الپالسین محاسبه برای شده استفاده : نقاب2-7 شکل

چند به دهد،می پاسخ شدت گذرهای به الپالسین گرچه شد، بیان قبل در که طور همان یک الپالسین شود. چونمی استفاده لبه آشکارسازی برای آن از عمل در ندرت به دلیل

� است، دوم مرتبه مشتق الپالسین این، از دارد. گذشته نویز به زیادی حساسیت معموال دلیل این نماید.به آشکار را هالبه جهت نیست قادر و کندمی تولید مضاعف هایلبه

� الپالسین پیکسل آیا که کندمی تعیین و میگیرد عهده بر را ساز آشکار دوم وظیفه معمواللبه؟ تاریک طرف در یا دارد قرار لبه روشن طرف در صفر از عبور خاصیت از استفاده با هالبه محل کردن پیدا الپالسین، ترعمومی کاربرد یک

تابع الپالسین و تصویر کانولوشن براساس مفهوم شود. این مشاهده2-7 است. شکل بعدی دو گوسی

فرمول

10-2 ،2-10 معادله آنگاهr2 = x2 + y2 اینکه فرض است. با معیار انحرافσ که باشدمی

از: است عبارت ،r به نسبتh الپالسین

فرمول

11-2 عملگرهای با لبه دارد: آشکارسازی خود در نیز را دیگری مفهوم قبلی توضیحات آنها نویز و تیز تصویر در موجود شدت گذرهای که کنندمی کار خوب مواردی در گرادیانی

� نیز صفرها از عبور است، زیاد نویز مقدار یا مات هالبه که مواردی باشد. در کم نسبتا و کنند،می تعیین را هالبه محل بیشتری دقت با صفرها از هستند. عبور جایگزین راه

و پیچیدگی افزایش به توجه دهد. بامی کاهش را نویز اثرات نیزΔ2h سازی آرام خواصشود.می استفاده ندرت به روش این از محاسبات زمان

مرز آشکارسازی و لبه پیوند

Page 14: machine vision in agriculture (farsi)

کنند. درمی آشکار را شدت هایپیوستکی نا قبل قسمت در شده داده شرح هایروش نواحی بین مرز روی که سازند آشکار را هاییپیکسل باید هاروش این مطلوب، حالت

غیر روشنایی از ناشی که مرز انفصاالت نویز، وجود مانند عللی به عمل در هستند، به کنند،می ایجاد را شدت طبیعی غیر هایناپیوستگی که عواملی سایر و است، یکنواخت

� سازند. بنابراینمی مشخص را کاملی مرز هاپیکسل این ندرت اجرای دنبال به معموال سایر آشکارسازی هایالگوریتم و پیوند هایالگوریتم لبه، آشکارسازی هایالگوریتم

برای روش آید. چندین دست به معناداری مرزهای نهایت در تا شوندمی اجرا نیز مرزها پردازش روش محلی، پردازش موجود: روش هایهستند. روش مناسب منظور این

این در که هستند، گراف نظریه هایروش با سراسری پردازش و هاف تبدیل با سراسریشوند.می داده شرح باال هایروش قسمت

محلی پردازش نقاط پیوند برای هاراه ترینساده از یکی است،شده آشکار آن هایلبه که تصویری در

است. تمام(x,y) نقطه هر حول کوچک همسایگی یک در هاپیکسل مشخصات تحلیل لبه، خاصیت چند که هاییپیکسل از مرزی ترتیب این به و خورندمی پیوند هم به مشابه نقاط

شود.می تشکیل دارند، مشترک عبارتند لبه هایپیکسل شباهت تعیین برای استفاده مورد اصلی خاصیت دو تحلیل این دراز:

لبه آشکارسازی برای رفته کار به گرادیان عملگر پاسخ بزرگی.1گرادیان جهت.2 با لبه پیکسل یک شود. بنابراینمی تعیین2-4 یا2-3 معادالت با گرادیان بردار اندازه

با مشابهی گرادیان بزرگی ،(x,y) شده تعریف پیش همسایگی در و مختصاتاگر: دارد(x,y) پیکسل

فرمول 12-2

است. منفی نا آستانه یکT که در لبه پیکسل یک برای شود. بنابراینمی تعیین2-5 معادله با گرادیان بردار جهت

دارد(x,y) پیکسل با مشابهی زاویه ،(x,y) شده تعریف پیش همسایگی در و اگر:

فرمول 13-2

بردار برجهت عمود(x,y) لبه واقع در که شود است. توجه زاویه آستانه یکA که) پیکسل به(x,y) شده تعریف پیش همسایگی در نقطه است. یک نقطه آن در گرادیان

x,y)تمام برای فرایند شوند. این برآورده جهت و بزرگی معیار دو هر اگر خوردمی پیوند باید شود،می جابجا پیکسل به پیکسل همسایگی مرکز شود. وقتیمی تکرار تصویر نقاط

هر به که است این وقایع ثبت ساده روال شود. یک حفظ خورده پیوند نقاط از ایسابقه هامجموعه سایر با متفاوتی خاکستری سطح خورده، پیوند لبه هایپیکسل از مجموعهشود. منتسب

هاف تبدیل با سراسری پردازشاست: زیر مراحل شامل هاف تبدیل بر مبتنی لبه پیوند روشتصویر گرادیان محاسبه.1 ρθ صفحه هایتقسیم تعیین.2هاپیکسل باالی تمرکزهای تعیین برای گرانباشت هایسلول شمارش بررسی.3منتخب سلول یک در هاپیکسل بین رابطه بررسی.4

� متصلی نا هایپیکسل بین فاصله محاسبه براساس مورد این در پیوستگی مفهوم معموال شناسایی معین انباشتگر سلول یک با مربوطه هایپیکسل پیمایش حین در که است-همسایه تریننزدیک و نقطه بین فاصله که دارد اهمیت صورتی در نقاط اند. فاصلهشدهکند. تجاوز معین آستانه یک از اش

Page 15: machine vision in agriculture (farsi)

1شناسی شکل

� شناسی شکل واژه و شکل به که دارد شناسی زیست از ایشاخه بر داللت معموال همان ریاضی شناسی شکل مبحث اینجا پردازد. درمی گیاهان و حیوانات بدن ساختمان

شکل توصیف و نمایش در که تصویر اجزای استخراج برای ابزاری عنوان به را واژه برای شود. همچنینمی استفاده محدب، بدنه و هااسکلت مرزها، نظیر هستند، مفید ناحیه شناسی، شکل فیلتر اجرای نظیر شناسی شکل هایروش به تصویر پردازش پس یا پیش

شود.می استفاده 2هرس و سازی باریک قوی راهی شناسی شکل است. همچنین هامجموعه نظریه ریاضی، شناسی شکل زبان

� تصویر پردازش مسائل زیادی تعداد برای یکتا و هایپیکسل تمام مجموعه است. مثال این دودویی، تصاویر است. در تصویر از کاملی توصیف دودویی، تصویر در سیاه

از عنصر هر شرایط این هستند. تحتZ2 صحیح اعداد بعدی دو فضای اعضای هامجموعه در سیاه پیکسل یک مختصات همان آن(x,y) مختصات که است تایی چند یک مجموعه،

Z3 از هاییمجموعه زیر صورت به توانمی را خاکستری رقمی باشد. تصاویرمی تصویر

مولفه و پیکسل یک مختصات مجموعه، عنصر هر اول مولفه دو مورد، این کرد. در بیان بیشتر ابعاد با فضای درون هایباشد. مجموعهمی پیکسل آن گسسته شدت مقدار سوم

باشند. زمان، با متغیر هایمولفه و رنگ نظیر تصویر، خواص سایر حاوی توانندمی 2-5 شماره جدول در آنها به مربوط معادالت و شناسی شکل عملگرهای ادامه در

است. شده آورده

آنهاای از عملگرهای شکل شناسی و خواص خالصه:2-5جدول توضیحاتمعادلهعملگرها

z نقطه به راA مبداانتقالدهد.می انتقال

حول راB عناصر تمام قرینهکند.می قرینه مبدا

A در که نقاطی مجموعهمتممنیستند.

A به که نقاطی مجموعهتفاضل B به ولی دارند تعلقندارند. تعلق

-می گسترش راA مرزگسترشدهد.

برد.می راA مرزهایسایش کند،می هموار را هامنحنیکردن باز

قطع را باریک اتصاالت و کوچک هایتکه و کندمی

کند.می حذف را تیز نوک کند،می هموار را هامنحنیبستن

-تورفتگی و باریک اتصاالت پیوند را بلند باریک های

هایسوراخ و دهدمیکند. می حذف را کوچک

آن در که نقاطی مجموعهHOM تبدیل B1 همزمان نقاط،

1 Morphology2 Pruning

Page 16: machine vision in agriculture (farsi)

یابد. میAc در تطبیقی.A مرزی نقاط مجموعهمرز استخراج یک در اینقطه داشتن باناحیه پرکردن

پر را ناحیه آن ،A از ناحیهکند.می

جزء در اینقطه داشتن بامتصل جزء را جزء آن ،A ازY متصل

کند.می پیدا ،A مجموعه محدب بدنهمحدب بدنه

C(A)، که یابد،می را Conv مفهوم به همگرایی نشانه

Xik=Xi

k-1باشد. می-می باریک راA مجموعهسازی باریک

دو اول معادله کند. دو باریک ای پایه تعریف معادله هستند. دو سازی با سازی باریک آخر،

عناصر از ایدنباله-می نشان را ساختمانی

� از عمل در دهند. معموال-می استفاده روش این

شود.-می ضخیم راA مجموعهسازی ضخیم

کند.

-می را ،A، S(A) اسکلتاسکلت نشان آخر یابد. معادله

از راA توانمی که دهدمی اسکلتی هایمجموعه زیر کرد. بازسازی ،Sk(A) آن، ،K معادله، سه هر در

است تکرار مراحل تعداد A مجموعه آنها از بعد که سایش تهی مجموعه به یابد. نمادمی

سایش بارK دهنده نشان است.B باA متوالی

کردن هرس حاصلX4کردن هرس است. تعدادA مجموعه کار به معادله که بارهایی

آید، بدستX1 تا میرودشود. مشخص باید

1تصوير جداسازي

كند. اينمي بنديتقسيم اشدهنده تشكيل مناظر به را تصوير يك تصوير، جداسازي عمل هاياست. روش دشوار كارهاي از تصوير يك در ديداري اطالعات فراواني دليلبه كار

به آنها كار روش اساس بر توانمي را غذايي مواد ارزيابي براي يافتهتوسعه جداسازي: كرد تقسيم زير گروه چهار

1 Image Segmentation

Page 17: machine vision in agriculture (farsi)

1يابيآستانه اساس بر جداسازي

2ناحيه اساس بر جداسازي

3شيب اساس بر جداسازي

4بندي طبقه اساس بر جداسازي

از هاكاربرد بيشتر كه دهدمي نشان تصوير جداسازي باره در موجود مطالب بررسي هايروش از و است شدهاستفاده جداسازي براي يابيناحيه و يابيآستانه هايروش

هايروش ادامه در(.2004 سان، و است)دو شده استفاده كمتر ديگر جداسازيشود.مي داده شرح فوق جداسازي

يابیآستانه اساس بر جداسازي جامد اجسام شامل تصاويري براي موثري ويژه روش يابيآستانه براساس جداسازي

هايقسمت از را جسم مناسب مقدار يك با كه است متمايز زمینه روي بر واقع پيوسته ارزيابي ببراي مستقيم طور به روش اين موارد از بعضي كند. درمي جدا تصوير ماندهباقي

ديگر هايتكنيك با روش اين تركيب از موارد ساير در و شده برده كاربه موادغذايي است. شده استفاده

داراي عالقه مورد هدف كه داشت خواهد مناسب عملكرد زماني يابيآستانه روش خاكستري سطح با اما متفاوت زمینه يك روي بر و بوده يكسان داخلي خاكستري سطح

آشكارسازي براي را روشي1995 سال در همکاران و 5باشد. زوین گرفته قرار يكسان ساده تكنيك يك از كه دادند، گسترشMRI تصاوير در دارلكه هايسيب كامپيوتري و سريع

و آوندي هايسيستم دهندهنشان روشن هايپيكسل بين تمايز براي يابيآستانه محاسباتيبود. شده استفاده هالكه دهندهنشان هايپيكسل تكنيك تصوير يك در موجود اشياي بين كنتراست بودن متفاوت دليلبه اوقات گاهي

-روش از ابتدا توانمي موارد اين نيست. در كافي تصوير يك جداسازي براي يابيآستانه استفاده با را شدهپردازش تصوير سپس و كرد استفاده تصاوير تبديل براي ديگري هاي

سال در 7وانگ و 6لی سيب، يك از مرجع تصوير كرد. براساس جدا يابي،آستانه از و تصويركج يك در موجود هايديدگيآسيب جداسازي عمل انجام براي را روشي1999 ميوه مرجع تصوير يك دادند. ابتدا توسعه بد، تصوير يك از كلي طوربه يا سيب خميده

مرجع ميوه تصوير بازرسي، مورد اصلي ميوه تصوير كردن نرمال با سپس و آمد وجودبه از شده نرمال ميوه تصوير كردن باكم تصويري، دوم مرحله آمد. در دستبه شده نرمالNRFIكاربه هاديدگيآسيب آوردن دستبه براي ساده يابيآستانه يك پايان آمد. در دست به براي ساده، يابيآستانه اساس بر جداسازي الگوريتم هر از استفاده هرحال شد. به برده پذيرتطبيق يابيآستانه هايروش است. بنابراين، مشكل سيب هايديدگيآسيب سازينمايان

2002 سال در همكاران و لی توسط جداگانه هايديدگيآسيب آوردن دستبه براي محلي(.2004 سان، و يافت)چنگ گسترش

ناحيه اساس بر جداسازي ممزوج گسترش كرد: روش تقسيم گروه دو به توانمي را ايناحيه جداسازي هايروش

به پايين روشي ،GM (. روشSMكردن) ممزوج و شكافتن روش ( وGM) ناحيه كردن صورتبه يكسان، معيار مجموعه يك مطابق را هاناحيه زير يا هاپيكسل كه است باال

مكرر طوربه كه است پايين به باال از روشي ،SM كند. روشمي بنديطبقه بزرگتر نواحي شود. برآورده مشخصي معيار تا كندمي تجزيه كوچكتر و كوچكتر نواحي به را تصوير يك

1 Thresholding-based Segmentation2 Region-based Segmentation3 Gradient-based Segmentation4 Classification-based Segmentation5 Zoin6 Li7 Wang

USER, ۲۰۰۸/۰۱/۰۵,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
USER, ۲۰۰۸/۰۱/۰۵,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
Page 18: machine vision in agriculture (farsi)

مثل ايساده هايروش از گرانتر و بيشتر بسيار محاسباتي داراي ايناحيه هايالگوريتم از همزمان و مستقيم طوربه تا قادرند ايناحيه جداسازي هايروش اما است، يابيآستانه

گذشته در اينكه دليل كنند. به استفاده مرزي هايموقعيت تعيين براي تصوير مشخصه چند كاربرد آينده در روش اين است، نگرفته صورت روش اين روي بر زيادي مطالعات

(.2004 سان، و داشت)دو خواهد غذايي مواد جداسازي براي زيادي آشكارسازي براي را 2غرقابي الگوريتم ايناحيه جداسازي روش 1یانگ ،1994 سال در

تصاوير براي 3توپوگرافي نمايش مفهوم معرفي داد. با توسعه سيب سطح ويژگي در معيني نا حفره آشكارسازي مثل بودن، ايپنبه مانند هاييويژگي آشكارسازش سيب، به شده محاط هايحوضچه غرقابي، پردازش از بود. بعد خواهد خاكستري سطح تصوير-به را محيط و مساحت مانند هندسي پارامترهاي توانمي كه شوندمي تبديل هاييدرياچهآورد. دستبه راحتي

در باهم كه هاييپسته جداسازي برايX اشعه تصاوير جداسازي روش يك همچنين 4کاساسنت توسط2001 سال در بودند كرده گيري جهت تصادفي طوربه و بودند تماس

با شده تركيب 5رنگي حباب سريع الگوريتم يك شامل كه يافت، توسعه همکاران و و آغاز براي اجسام مركز تخمين از استفاده با بود، 6دوتايي كنپخشآب جديد الگوريتم

مقياس داخلي تغييرات به تواندمي كنپخشآب جديد الگوريتم ها،حوضچه كردنتعريف پسته % براي3/99 جداسازي دقت نشانگر آزمايشات كند. نتايج غلبه جسم خاكستري

است. متفاوت هاي اندازه با

شيب اساس بر جداسازي دروني نقاط از ايمجموعه به تصوير بنديتقسيم براساس را جداسازي عمل يابيآستانه

ازاستفاده با كنندمي سعي شيب براساس جداسازي هايدهد. روشمي انجام بيروني وكند. پيدا آنها باالي شيب براساس مستقيم طور به را اجسام لبه كنتراست،

بنديطبقه براساس جداسازي مانند بنديكالس هايروش براساس را هرپيكسل تا كنندمي سعي بنديطبقه هايروش يك كند. از مربوط مختلف اجسامبه 9عصبي هايشبكه و 8فازي منطق ،7آماري هايروش

سيب هايديدگي آسيب جداسازي براي آميزيموفقيت طوربه باياس بنديطبقه فرايند(. 1999 همکاران، و 10است)لیمان شده استفاده

احتمال تخمين براي ديدهآسيب بافت و سالم بافت رنگ مكرر هايتوزيع از بررسي اين در اغلب كه دهندمي نشان مطالعه اين است. نتايج شده استفاده دسته هر در قرارگيري

با زمستاني قرمز سيب پوست گاهي كرد. گرچه جدا روش بااين توانمي را هاديدگيآسيب اصلي تصوير پنج2-4 باشد. شكل شده اشتباه قرمز رنگ و زمينه بين انتقال مساحت

كه است اين مهم دهد. نكتهمي نشان را جداسازي روش اين از آمده دستبه ونتايج با مواجهه براي ساختاريافته روش يك فاقد بنديطبقه براساس جداسازي هايروش

سان، و است)دو كرده محدود را آن كاربرد كه است شدنپوسته و چرخش در تغييرات2004.)

1 Yang2 Flooding Algorithm3 Topographic4 Casasent5 Blob-colouring6 Binary Watershed Algorithm7 Statistical8 Fuzzy logic9 Neural networks10 Leemans

USER, ۲۰۰۸/۰۱/۰۵,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
USER, ۲۰۰۸/۰۱/۰۵,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
Page 19: machine vision in agriculture (farsi)

منظم، انتقال مساحت با سالمميوه از شدهگرفته اصلي : تصاويرa ها: رديفالگوريتم : نتايج2-8شكل و باال، كنتراست با حنايي خط داراي ميوه ناچيز، عيوب داراي ميوه نامنظم، انتقال مساحت با سالم ميوه(1999 )لیمن، جداسازي : نتايجb شده. رديف پوسته پوسته میوه يك نتايج

اجسام گيرياندازه-مي را اشيا است شده تفكيك نظر مورد اجسام به آميزيزموفقيت طوربه كه تصويري در

هايويژگي گيرياندازه وسيلهبه بيشتر آناليز و پردازش براي آن از و كرد توصيف توان براساس توانمي را شده جدا جسم يك كلي حالت كرد. در استفاده جسم هر مختص توانمي زيادي هايويژگي داد. از نمايش آن خارجي يا و داخلي خصوصيات از هاييويژگي به شده شناخته اجسام از اطالعاتي با مقايسه با كه كرد استفاده جسمي توصيف براي

-ويژگي از استفاده كار اين براي روش بهترين شود. معموالمي بنديطبقه طبقه، چند يا دو مناسب بنديطبقه براي ذاتي طور به و دارند را گيرياندازه ترينساده كه است هايي

به غذايي محصوالت كيفي ارزيابي براي استفاده مورد شدهگيرياندازه هايهستند. ويژگيشوند: مي تقسيم زير گروه چهارابعاد(1شكل(2ابعاد و اندازه ترکیب(3ابعاد و اندازه به وابستگی عدم(4رنگ(5بافت(6 هايكرد. راه گيرياندازه توانمي را مخصوص هايويژگي از تعدادي دسته هر براي

تصوير، آناليز هايسيستم اكثر هرحال دارد. به وجود هاگيرياندازه انجام براي گوناگوني آناليز براي مناسب عددي خروجي يك و كنندمي پيشنهاد دسته هر در را كمي گيرياندازه

(.2004 سان، و آورد)دومي وجودبه شده پردازش تصاويرابعاد

يك ابعاد گيرياندازه براي آنها از كه کشاورزی محصوالت ارزيابي در متداول ويژگي سه تريناصلي عرض. مساحت و طول و محيط از: مساحت، عبارتند شوند،مي استفاده جسم

برابر پيكسلي نمايش يك در مساحت است. مقدار ابعاد گيرياندازه روش ترينساده و نمايش از مستقيم طوربه كه باشدمي نظر مورد سطح درون در واقع هايپيكسل تعداد

وراثت قابليت تخمين براي وهمکاران 1کوبر ،1997 سال آيد. درمي دستبه هاپيكسل كردند. گيرياندازه دوجهت در عرضي( را بخش )مساحت دانه ابعاد سويا، هايدانه ابعاد

-مي مفيد پيچيده و ساده اشكال با اجسامي تشخيص براي مخصوصا جسم يك محيط صورت تصوير از جسم يك جداسازي حين راحتيبه محيط و مساحت گيريباشد. اندازه

كرد. استفاده آن ابعاد گيرياندازه براي جسم توانمي نيز عرض و طول گيرد.. ازمي است. در ضروري آن نسبي عرض و طول گيرياندازه براي جسم اصلي محور تعيين و عرض طول، اندازه قارچ، ايگونه شناسايي براي همکاران و ،2وندوورن ،1992 سال 3اک كردند. ون آناليز آماري طور به را مركب شكل كنندهتوصيف كمترين و بيشترين بازه

خيار شكل و عرض طول، گيرياندازه براي را دقيقي روش1998 سال در همكاران و

1 Cober2 Vandevooren3 Van Eck

Page 20: machine vision in agriculture (farsi)

در موضعي طول از شده،خالصه كنندهتوصيف يك آوردن دستبه دادند. براي توسعه توانمي شده،خالصه كنندهتوصيف اين از استفاده شد. با استفاده خيار مياني خط امتداد بردارينمونه اثر 2کوهلر و 1ساپیرستین ،1999 سال آورد. در دستبه را عرض و طول

قرمز گندم تجاري نمونه مختلف هايدرجه در را ديجيتالي تصوير آناليز دقت روي بر دانه عرض و طول مساحت، محيط، هاياندازه كردند. از بررسي ،3كانادا غرب بهارهشد. استفاده اشاره مورد گندم هاينمونه درجات آماري پراكندگي و ميانگين تعيين براي

شكل با شكل است. تعيين غذايي مواد كيفي ارزيابي اهداف ترينرايج از يكي شكل تعيين

-آسان بافت، و رنگ مانند خصوصياتي با مقايسه در تصوير پردازش هايتكنيك از استفاده� تر توانمي را مشخص فيزيكي ابعاد داراي طبقه يك به متعلق اشياي است. غالبا

صورت به توانمي را شكل هايكرد. ويژگي جدا ديگر اشياي از آنها شكل براساس(.2004 سان، ون دا و كرد)دو مشخص ابعاد اندازه از تركيبي وسيلهبه يا و مستقل

ابعاد و اندازه تركيبهستند. جدول ابعادي پارامترهاي از تركيبي صرفا شكل هايكنندهتوصيف از دسته اولين

در استفاده مورد ابعاد اندازه شكل، تركيبي هايويژگي ترينرايج از اي خالصه6-2 گريپ بنديطبقه براي 4میلر ،2001 سال دهد. درمي نشان را غذايي مواد ارزيابي كرد. استفاده ديجيتال تصاوير آناليز سيستم يك از شكل اساس براساس فلوريدا فروت

براي ظاهري نسبت و قطر بازه كرويت، سطح، نسبت ويژگي چهار از كاربرد اين در شد است. مشاهده شده استفاده فلوريدا فروت گريپ بدشكلي و بازارپسندي بررسي

همكاران و 5دارد. کوبر را اهميت بيشترين ظاهري نسبت ويژگي چهار اين ميان از كه براي ظاهري نسبت دو از سويا هايدانه وراثت قابليت تخمين براي ،1997 سال در

ديجيتالي تصوير آناليز با ظاهري نسبت كردند. هر استفاده هادانه شكل كيفيت تعيين آناليز براي همكاران و 6شوچه ،2001 سال شد. در محاسبه متفاوت ديد جهت از دانه

و اصلي محورهاي طول محيط، مساحت، مقادير هندي گندم هايواريته شكل هايويژگي 3 شكل فاكتور ،2 شكل فاكتور ،1 شكل فاكتور كرويت، محوري، نسبت تراكم، فرعي،

كردند. محاسبه ديجيتالي تصاوير از را2-6 جدول در شده تعريف ،4 شكل فاكتور و شود.مي تعريف آن محدوده داخل در موجود هايتعدادپيكسل صورتبه ناحيه يك مساحت

،1 شكل فاكتور كرويت، محوري، نسبت است. تراكم، آن مرز طول جسم يك محيط محيط محوري، طول مقادير روي از ،4 شكل فاكتور و3 شكل فاكتور ،2 شكل فاكتور

(.2001 ،9پول و 8نیلسن ،7است)جان آمده دستبه مساحت و شده گيرياندازه پارامترهاي از استفاده با فرنگي گوجه باالي نماي تعيين براي

زدهتخمين مركزيت از خارج و تراكم مقادير فرعي، و اصلي محورهاي محيط، مساحت،(.2004 سان، و شد)دو

(.2004هاي تركيب اندازه و ابعاد)دو و دا ون سان، : ويژگي2-6جدول

سطح نسبت

1 Sapirstien2 Kohler3 Canada Western Red Spring4 Miller5 Cober6 Shouche7 Jahns8 Nielsen9 Paul

USER, ۲۰۰۸/۰۲/۲۳,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
USER, ۲۰۰۸/۰۲/۲۲,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
USER, ۲۰۰۸/۰۲/۲۲,
Jahns, G., Nielsen, H., Paul, W,. 2001. Measuring image analysis attributes and modeling fuzzy consumer aspects for tomato quality grading. Computers and Electronics in agriculture, 31, 17-29
USER, ۲۰۰۸/۰۲/۲۲,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
Page 21: machine vision in agriculture (farsi)

ظاهري نسبت

گردي

تراكم

قطر بازه

مركزيت از خروج

كرويت

1 شكل فاكتور

2 شكل فاكتور

3 شكل فاكتور

4 شكل فاكتور

ابعاد اندازه به وابستگي عدم در استفاده براي هستند، ابعاد از مستقل كه گوناگوني شكل كنندهتوصيف هايروش

هايكنندهتوصيف هاروش اين بين است. از گرفته قرار بررسي مورد غذايي مواد ارزيابي تابع از سيكل يك فوريه هستند. تبديل كاربرد بيشترين داراي 2ثابت ممان و 1فوريه

براي فوريه بسط پايين ضرايب است. تنها مربوطه اشياي شكل از نمايشي مرزي، شكل كردن توصيف براي روشي و است نياز مورد جسم اساسي شكل كردن مشخص به نسبت بودن حساس غير مانند خصوصياتي داشتن دليلبه ثابت ممان است. از

داشته را خصوصيات اين بايد خوب شكل ويژگي يك كه مقياس، تغيير و چرخش انتقال،(.2004 سان، و كرد)دو استفاده شكل هايويژگي گيرياندازه براي توانمي باشد، است. غذايي محصوالت شكل گيرياندازه براي توجهي قابل روش فوريهكنندهتوصيف

متناوب حوزه در ذرت بنديطبقه براي را روشي همكاران و 3هان ،1996 سال در تنش از ناشي هايترك بررسي براي بعدي دو فوريه تبديل يك از كه دادند گسترش-كاربه تصاوير اوليه پردازش براي فوريه تبديل سريع الگوريتم كرد. يكمي استفاده

هايويژگي گيريجهت يا موقعيت دهندهنشان كه ويژگي نوع33 در تبديل نتايج و شدهبردهشد. خالصه بود، مورفوليژيكي ثابت

هايويژگي و فوريهكنندهتوصيف از1998 و1997 سال در همكاران و غضنفری يا و ابعادي درجات سه از يكي به هاپسته بنديطبقه براي خاكستري سطح هيستوگرام

. كردند استفاده خندان غير عنوان به شكل تشخيص براي را تصوير پردازش الگوريتم 5شرونز و 4پائولوس ،1999 سال در

شكل كردند. مشخصات بررسي فوريه بسط براساس را سيب مختلف هايگونه ظاهري ضرايب اصلي اجزاي يافت. آناليز توسعه شدهديجيتالي ويديويي تصاوير بيروني سطح مقاطع دقيق گيرياندازه براي متفاوت شكل دو كه داد نشان آمده، دستبه فوريه

1 Fourier Descriptor2 Invariant Moment3 Han4 Paulus5 Schrevens

USER, ۲۰۰۸/۰۲/۲۴,
USER, ۲۰۰۸/۰۲/۲۴,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
Page 22: machine vision in agriculture (farsi)

ضروري آن از تصوير چهار وجود سيب شكل كامل تشريح است. براي نياز مورد سيب تشخيص براي را بينايي ماشين الگوريتم يك1999 سال در همکاران و است. پائولوس

مختصات در فوريه كننده ) توصيف شكل تابع كه دريافتند دادند. آنها توسعه سبز هايدانه فوريه هايكنندهتوصيف است. از سبز هايدانه شناسايي براي خاصيت قطبي( مهمترين

شده برده كاربه عرضي، بخش شده ديجيتالي تصوير از سيب الگوي تشخيص براي و 2(. شوچه2000 همکاران، و 1شد)کورری استفاده آن، اصلي اجزاي آناليز براي

ثابت و شده نرمال مركزي مركزي، استاندارد، هايممان از ،2001 سال در نيز همكارانكردند. استفاده هندي گندم شكل آناليز براي خاكستري تصاوير از شده محاسبه

رنگ كه است مهمي خاصيت و قدرتمند كنندهتوصيف غذايي، محصوالت تصاوير آناليز در رنگ

كه رنگ اساس بر كند. بيناييمي آسان را تصوير يك از اجسام انتخاب و شناسايي اغلب سازدمي ممكن را ويژه رزولوشن از ايالعادهفوق مقادير شودمي تعبير رنگي بينايي به يك رنگي هايكرد. ويژگي استفاده عناصر رنگ توزيع كيفيت تعيين براي آن از توانمي كه

آورد. موفقيت دستبه جسم محدوده در موجود پيكسل هر آزمايش با توانمي را جسم-دانه ها،ميوه قبيل از غذايي محصوالت از زيادي انواع گيرياندازه براي رنگ از استفاده

براي مناسبي صفت رنگ كه شده است. ثابت رسيده اثبات به جاتسبزي و گوشت ها، بينايي سيستم 4دلویچ و3 میلر ،1989 سال است. در هاميوه خصوصيات گيرياندازه نورهاي ورود كاهش دادند. براي گسترش تازه هلوي بنديدرجه و بازرسي براي را رنگي براي شده نرمال تشعشع و منتشره نور از بعدي دو رنگي مختصات به سبز و آبي قرمز، و رسيده هلوهاي بنديطبقه شد. براي استفاده نارس، و رسيده هلوهاي بنديطبقه

و لیمن ،1998 سال شد. در مقايسه استاندارد رسيده هلوهاي رنگ با هلو رنگ نارس، از كردند. آنها استفاده زرد سيب هايديدگيآسيب جداسازي براي رنگي بينايي از همكاران

از استفاده كردند. با استفاده تصاوير مقايسه براي استانداردي عنوانبه رنگي مدل يك يا و كامل ميوه روي شده محاسبه پارامتر دو از هريك توسط جداسازي مرحله دو

براي فرنگي گوجه رنگ آمد. از دستبه بخشيرضايت نتايج موضعي شده مقاديرمحاسبه همکاران، و 5شد)چوی استفاده تصوير آناليز از استفاده با رسيدگي مرحله تخمين1995 .)

است. در شده استفاده هادانه خصوصيات گيرياندازه براي ايگسترده طوربه رنگ از-دانه كيفيت بازرسي براي را تربيتي قابل الگوريتم همكاران، و 6کاسادی ،1992 سال عبارت شده استفاده دادند. متغيرهاي توسعه بينايي ماشين سيستم توسط سويا هاي

10سلر و 9وایت ،1994 سال . در8دانه كرويت و 7رنگي پذيريرنگ از: مختصات بودند

بازرسي سيستم زميني، بادام حامل نقاله تسمه يك روي خارجي مواد تشخيص براي تمايز و تشخيص براي سيستم دادند. اين گسترش بالدرنگ صورتبه را سريعي رنگي

و خارجي مواد از زيادي انواع اثرات يا و بود نديده آموزش قبال كه ديگر هايرنگ انواع بين-تصميم مدل يك همكاران و احمد ،1999 سال است.در پذير تطبيق غذايي محصوالت

هايدانه بنديدرجه و بازرسي برايRGB رنگي هايويژگي براساس را متغيره چند گيري ويژگي شش شامل كه دادند گسترش بيماري عالئم فاقد و بيماري عالئم داراي سوياي باالي بنديطبقه بود. دقت ها پيكسلRGB مقادير هايواريانس و حداقل ميانگين، رنگي

بيشترين با ناسالم و سالم هايدانه براي خطي تشخيص تابع يك از استفاده % با88

1 Currie2 Shouche3 Miller4 Delwiche5 Choi6 Casady7 Colour Choromaticity Coordinates8 Seed Sphericity9 White10 Sellers

USER, ۲۰۰۸/۰۲/۲۴,
Choi, K,. 1995. Tomato maturity evaluation using colour image analysis. Transactions of the ASAE, 38, 171-176
USER, ۲۰۰۸/۰۲/۲۴,
Currie, A,. et al,.2000. Quantitative evaluation of apple fruit shape by principal component analysis of Fourier descriptors. Euphytica, 111, 219-227
Page 23: machine vision in agriculture (farsi)

براي را خودكاري سيستم ،2001 سال در همكاران و 1آمد. روان دستبه وقوع احتمال گرفته خالدار هايدانه رنگي هايويژگي براساس گندم خالدار هايدانه وزني درصد تعييندادند. توسعه بينايي، ماشين توسط شده

سال است. در شده استفاده جاتسبزي كيفيت گيرياندازه براي رنگ از همچنين يك از استفاده با را ايدلمه فلفل توانستند آميزي موفقيت طوربه 3پین و 2شیر ،1990

RGB هايپيكسل شدت مقادير تحقيق اين كنند. در بنديدرجه رنگي تصاوير آناليز سيستم شش در هاپيكسل نسبي هايرنگ بود. توزيع تصوير ممكن رنگ هشت از يكي روي

قرار استفاده مورد متغير رنگي هايكميت عنوانبه و شده محاسبه دوتايي مشاهدهآمد. دستبه ايدلمه فلفل بنديدرجه % براي96 از باالتر دقتي روش اين گرفت. با

بافت هاپيكسل خاكستري سطوح مخصوص ترتيب بيانگر خواص از يكي بافت تصوير، آناليز در است ناحيه اين توصيف براي مهمي ويژگي جداشده، ناحيه يك است. بافت ناحيه يك در كند. ازمي تعيين را جسم درون خاكستري سطح تغييرات مشخصات از بعضي كميت كه

كيفي ارزيابي براي شده برده كار به هايروش اكثر بافت، آناليز مختلف هايروش ميان و پيكسل مقدار يافته امتداد طول روش شامل كه هستند آماري هايروش غذايي مواد

مختلفي بافت كننده توصيف هايروش وجود اين است. با 4آمدپيشهم ماتريس روشدارند. وجود 6فراكتال ابعاد و موجك تبديل ،5فوريهبسط براساس

صافي، مانند بافتي مشخصات و كنندمي محاسبه را مختلفي مشخصات آماري، هايروش اوليه ابعاد كه مناسبند زماني هاروش كنند. اينمي بينيپيش را بودن ايدانه دانه و زبري آسان براي ديجيتالي تصاوير آناليز باشد. الگوريتم پيكسل ابعاد با مقايسه قابل بافت داده گسترش هادانه بافتي هايويژگي از استفاده با غالت هايدانه بنديطبقه كردن

و متفاوت هايرنگ از بااستفاده هادانه فردي هايويژگي (.2000 جایاس، و 7شد)ماجومدار ويژگي10 شامل بافتي ويژگي25 بين آمد. از دستبه تصاوير رنگي باندهاي تركيب

سطح يافته امتداد طول ماتريس ويژگي12 خاكستري، سطح آمدپيشهم ماتريسشد. استفاده تشخيص آناليز در كه بود خاكستري سطح ويژگي3 و خاكستري

آن ويژه فركانس محتواي آزمايش جسم يك بافت تعيين براي ديگري مناسب روش طيفي و آماري هايروش از تركيبي عنوانبه توانمي را موجك روشبه بافت است. آناليز

مختلف جهات به تصوير يك تجزيه و موجك تبديل براساس روش گرفت. اين نظر در بافتي هايويژگي از يكي عنوانبه شده تجزيه اجزاي از هريك آمارگيري سپس و بافتياست. تصوير

کشاورزی محصوالت بنديطبقه مجموعه از يكي به آنها بنديتقسيم از است عبارت شده شناسايي اشياي بنديطبقه يا معلوم اشياي با جديد جسم يك شده گيرياندازه هايويژگي مقايسه شامل كه ها،كالس اشيا از ايويژه مجموعه به جديد شي تعلق چگونگي تعيين و معلوم معيارهاي ساير

غذايي مواد كيفي ارزيابي از مرحله اين مناسب انجام براي گوناگوني هايروش است. از متداول روش سه عصبي هايشبكه و فازي منطق آماري، هاياست. روش شده استفاده

تصميم رفتار سازيشبيه هاروش اين كلي هستند. هدف شده چاپ مقاالت در بنديطبقه آنها كار سادگي و متعدد كاري زمينه ثبات، روش اين است. مزاياي انسان توسط گيري

شود.می داده شرح فوق هایروش ادامه در(.2004 سان، ون دا و است)دو

1 Ruan2 Sheare3 Payne4 Co-occurrence matrix method5 Fourier Spectrum6 Fractal dimension : مي تكرار خودش در كه هندسي آن شكل كه قدر هر دارد شود حالت يك كنيد بزرگ را .7 Majumdar

USER, ۲۰۰۸/۰۲/۲۴,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
USER, ۲۰۰۸/۰۲/۲۴,
Majumdar, S., Jayas, D,. 2000. classification of cereal grains using machine vision: texture models. Transactions of the ASAE, 43, 1681-1694
Page 24: machine vision in agriculture (farsi)

8آماري بنديطبقه

قرار احتمال شوند،مي شناخته 2صريح اساسي احتمال مدل آماري هايتقريب كلي طوربه بندیطبقه روش دهد. ابتدامي انجام ساده بنديدسته يك توسط كالس هر در گرفتنشود.می پرداخته بندی طبقه روش این کاربردهای به سپس و شودمی داده توضیح بیزین بهX مشخصه بردار تا آید عمل به هایی گیریاندازه الگو یک از اگر که گویدمی بیز قاعده بیز قاعده گاهآن باشد، میG1,G2,…,Gn هایطبقه از یکی الگو این که بدانیم و آید دست

اگر: دهدمی تخصیصi طبقه به زیر رابطه طبق را الگو این

فرمول 17-2

شودمی داده تخصیص ایطبقه به نظر مورد الگوهای که گویدمی باال رابطه خالصه طور به دیگر هایطبقه تمام از طبقه آن بهX یعنی الگو مشخصه بردار تعلق شرطی احتمال که

باشد. بیشتر كلوچه و غالت دانه سيب، طيور، مانند: الشه مختلف، غذايي محصوالت بندیطبقه براي

است. شده استفاده مختلف آماري بنديطبقه هايروش از بندطبقه يك از 3دلیشز رد هايسيب بندی طبقه براي1999 سال در همکاران و شاهین در ميوه متوسط شدت جداشده، تصوير در ميوه ورودي: مساحت ويژگي سه با 4بيزين-% به79 دقت و کردند استفاده مجزا، كسينوسي تبديل ضريب دهمين و اصلي تصوير بندیطبقه در آن کاربردهای وK همسایه نزدیکترین روش ادامه آوردند. در دستشود.می داده توضیح هاینمونه به فاصله تریننزدیک اساس بر واقع در همسایه تریننزدیک بندیطبقه روش خود همسایه طبقه تریننزدیک به نشده، بندیطبقه است. نمونه همسایه هایطبقه

-می تعریف زیر صورت به را ممیزی تابع روش این ریاضی نظر شود. ازمی داده تخصیصکند:

f(x) = (2 طبقه در نمونه تریننزدیک )فاصله ( 1 طبقه در نمونه تریننزدیک فاصله – ( f(x) مقادیر دارند قرار1 طبقه در که الگوهایی که شودمی مشاهده2-9 شکل به توجه با

بود. خواهد مثبت مقادیر این2 طبقه به متعلق الگوهای برای و منفی آنها به متعلق

همسایه نزدیکترین با مقایسه وسیله به بندی : طبقه2-9 شکل

از: عبارتند شوندمی استفاده روش این در که فاصله انواعoشود.می داده نشان2-18 فرمول با که همینگ فاصله

8 Statistical Classification2 Explicit Underlying Probability model3 Red Delicious4 Bisian

Page 25: machine vision in agriculture (farsi)

فرمول 18-2

هستند.Y = (y1,y2,…) وX = (x1,x2,…) بردارهای اجزایyi وxi کهoشود.می محاسبه2-19 فرمول از استفاده با که اقلیدسی فاصله

فرمول

19-2است. بردار ابعاد تعدادn باال فرمول در که

oشود.می محاسبه2-20 فرمول از که منهتن فاصله

فرمول

20-2oشود.می محاسبه2-21 فرمول از که مربعی فاصله

فرمول 21-2

K همسايه نزديكترين آماري بندطبقه يك از1999 سال در همکاران و 1لو اين بر عالوه رنگي ويژگي13 مورفولوژيكي ويژگي15 از شده انتخاب مجموعه يك از استفاده با2

-طبقه کردند. اين استفاده غالت بنديطبقه براي نمونه، هايدانه تصاوير از آمده دستبه ترتيببه و شد آزمايش طراحي آزمايشي و آموزشي متفاوت مجموعه سه با بند

گندم % براي0/99 % و2/98 %،0/99 %،2/96 %،2/98 بنديطبقه دقت ميانگين-به يوالف، و چاودار جو، ،3كانادا غرب كهربايي دوروم گندم كانادا، غرب بهاره قرمزآمد. دست

فازي بنديطبقه هايدسته به را هانمونه فازي بنديطبقه بندي،طبقه مرسوم هايتكنيك با مقايسه در

بنديطبقه مفيد ندارند. خصوصيت خاصي شده تعريف محدوده كه كندمي تقسيم خاصي از اطمينان به راجع بيشتري اطالعات عضويت، توابع از توانمي كه است اين فازي

بنديدرجه براي فازي بنديطبقه هايروش آورد. اخيرا دستبه طبقه صحيح تشخيصاست. شده استفاده پيتزا بنديطبقه و فرنگيگوجه ارزيابي دريايي، محصوالت

را كيفي ارزيابي روش فرنگيگوجه بنديدرجه براي همكاران، و 4جان ،2001 سال در ابعاد، مانند ظاهري صفات دادن نسبت با ابتدا كردند. در پيشنهاد فازي مدل براساس

يك تصوير، آناليز از آمده دستبه مقادير بودن عادي غير و هاديدگي آسيب شكل، رنگ، هايدسته با همراه فازي استفاده مورد مختلف هايجنبه كردن لحاظ براي فازي روش

با هاميوه كيفيت خودكار ارزيابي به رسيدن طرح اين شد. هدف پيشنهاد كيفي، فراگيراست. خروجي مشخصات و ورودي مشخصات كردنمدل از استفاده

عصبي هايشبكه توسط بنديطبقه طریقه به که است پیچیده مسائل حل زمینه در قوی ابزاری مصنوعی عصبی هایشبکه موازی ساختار دلیل به عصبی هایهستند. شبکه پیچیده بسیار یا نیستند حل قابل عادی

مزیت این که کنند حل باال بسیار سرعت با را رو پیش مسائل که هستند قادر دارند که ابتدا ادامه است. در کشاورزی محصوالت بالدرنگ بندیطبقه و بندیدسته برای مهمی

1 Luo2 K-nearest Neighbour3 Canadian Western Amber Durum4 Jahns

Page 26: machine vision in agriculture (farsi)

کاربردهای به سپس و شودمی تشریح خالصه طور به مصنوعی عصبی هایشبکه ساختارشود.می پرداخته کشاورزی محصوالت بندیدسته زمینه در آن

مصنوعی عصبی هایشبکه خواص از محاسباتی هوش اصلی هایمولفه از یکی عنوان به مصنوعی عصبی هایشبکه این بین نمای��د. درمی اهمیت ح��ائز علمی مس��ائل و علوم در را آنها که برخوردارند مهمی اهمی�تی از تعمیم و ی�ادگیری ق�درت م�وازی، س�اختار تواب�ع، زنی تق�ریب توانایی خواصبرخوردارند. خاص

اس��تفاده ه��ازمی��نی س��یب بن��دی دس��ته و تشخیص برایBP عصبی شبکه از پروژه این در شرح برگشتی انتشار الگوریتم گام اولین شود. درمی داده توضیح ادامه در که است شدهشود.می داده

برگشتي: انتشار الگوريتم عص��بي ه��ايش��بكه آم��وزش براي عيبيبي و كامل الگوريتم هيچ تئوري نظر از هاسال براي

-مي ك��ه آنچ��ه در الي��ه چن��د ه��ايشبكه شد ثابت كهنداشت. زماني وجود اليه چند مصنوعي علمي عرصه اين كل محدودترند، خيلي بگيرند ياد توانندمي كه آنجه نيز و كنند ارائه توانند

رفت. مجازي ركود سوي به ب��ه عالقه و شوق مجدد احياي در را توجهي قابل نقش 1برگشتي انتشار الگوريتم اختراع ت��ربيت ب��راي سيستماتيك روش يك برگشتي كرد.انتشار ايفا مصنوعي عصبي هايشبكه وج��ود ب��ا ك��ه دارد رياض��ي پاي��ه يك روش است. اين اليه چند مصنوعي عصبي هايشبكه از س��ري ي��ك ب��ه ه��ايشمحدوديت رغمعلي برگشتي نيست. انتشار عملي خيلي بودن قوي

-نمونه و داد توسعه شوندمي برده كاربه آنها براي مصنوعي عصبي هايشبكه كه مسائلياست. كرده ارائه را اشتوانايي از موفقي هاي

،1986 س��ال در 4ويلي��امز و 3هينتون ،2هارت دارد. رامل جالبي تاريخچه برگشتي انتشار نت��ايج انتش��ار از كردند. بع��د بيان را برگشتي انتشار الگوريتم از واضحي و مختصر شرح

بود. كمي كرده بينيپيش قبال را هارت رامل كارهاي ،5پاركر كه شد معلوم آنها، تحقيقات و اس��ت. پ��اركر نموده بيان را روش اين پلركر از زودتر هم باز ورباس كه شد معلوم بعد

و توانايي از زيادي مقدار توانستندمي ورباس كارهاي از بودن آگاه صورت در هارت رامل از مش��ابهي تك��رار نماين��د. اگرچ��ه جدي��دتري مسائل كشف صرف و ذخيره را تالششان

عص��بي ه��ايش��بكه در شود،مي يافت علمي انظباط درهر مجازي طوربه كوشش و سعي بستگي موضوع علمي مختلف هايرشته طبيعت به شديدا ويژه طوربه مسئله مصنوعي،

دارد. در آم��ده، دس��تب��ه نتايج و دارد ادامه فزاينده ايگونهبه عصبي هايشبكه درباره تحقيق

از آگ��اهي ب��ا ذيربط محققان شود،مي منتشر مختلف هايرشته از بسياري مجالت و هاكتاب هايشبكه درباره تحقيق دارند. روند قرار تنگناي در همچنان كه يابندمي در تحقيقات نتايج

و ه��اكت��اب در آنق��در آم��ده دس��تب��ه نتايج و دارد ادامه فزاينده ايگونهبه مصنوعي عصبي از هم س�اعي محقق�ان ح��تي ك��ه ش��وندمي منتش��ر مختل�ف هايرشته از گوناگون مجالت

ب��ه ادام��ه هستند. در تنگنا در بمانند، مطلع و آگاه زمينه اين در مهم كارهاي همه از اينكهشود.می پرداخته برگشتی انتشار الگوریتم در شبکه ساختاربرگشتي: انتشار الگوريتم در شبكه ساختار

الي��ه ي��ك از ورودي دسته يك برگشتي انتشار الگوريتم در استفاده مورد عصبي سلول در-ضرب حاصل و شوندمي ضرب وزن يك در هاورودي اين از . هريك شودمي كاربرده به قبلي

در عص��بي س��لول ه��ر ب��راي و ش��ودمي نامي��دهNET جمع شوند. اينمي جمع يكديگر با ها آن تع��ديل ب��رايF تحري��ك تابع شد، محاسبهNET اينكه از گردد. بعد محاسبه بايد شبكه

1 Back Propagation2 Rumelhart3 Hinton4 Williams5 Parker

Page 27: machine vision in agriculture (farsi)

انتش��ار ب��راي تحري��ك ت��ابع گردد. اگرمي توليدOUT سيگنال نتيجه در شود،مي برده كاربهباشد: زير صورتبه برگشتي

فرمول

22-2 گاه: آن

فرمول

23-2-مي ناميده نيز كننده فشرده تابع يك ساده طوربه يا منطقي تابع يك اوقات گاهي تابع اين

و ص��فر بينOUT مق��دار كه ايگونه به كندمي فشرده راNET حدود سيگمويد شود. تابع ص��ورتي در تنه��االي��ه چن��د هايشبكه شد، داده توضيح قبال كه گونهگيرد. همانمي قرار يك

خطي غ��ير مس��ئله ي��ك كه دارند اليه تك هايشبكه به نسبت بيشتري كنندگي ارائه قدرتكند.مي فراهم را نياز مورد بودن خطي غير كننده، فشرده شود. تابع مطرح آنها در

ش�وند. تنه�ا برده كاربه سيگمويد جاي به است ممكن كه دارند وجود نيز نيز ديگري توابع باش�ند، پ�ذيرمش�تق جا همه در توابع اين كه است اين در برگشتي انتشار الگوريتم به نياز جمل��ه از س��يگمويد گ��يرد. ت��ابعمي ق��رار اس��تفاده م��ورد الگوريتم اين در تابع مشتق زيرا

تقريب��اNETكوچ��ك) عالئم براي تابع اين نمايد. درمي برآورده را نیاز اين كه است توابعي ك��اهشNET بهOUT مشتق مقدار و است نزولي ورودي- خروجي منحني صفر( شيب

يابد.مي-مي ك��اهش مش��تق اين مقدار شود(، دور صفر )از شود بيشتر سيگنال مقدار كه قدر هر

ك��اهش ب��دون ك��ه ش��ودمي داده اجازه كوچك هايسيگنال به كهحالي در روش، اين يابد. در-مي داده ج��ا ش��بكه در شود شبكه اشباع باعث اينكه بدون بزرگ سيگنال كنند، عبور زياد

شود.

شبكه آموزش بر كلي نگرشي دسته يك بردن كاربه با كه است ايگونه به آن هايوزن تنظيم شبكه، يك آموزش از هدف

ه��ايدس��ته اين كار، سادگي و اختصار شود. براي توليد هاخروجي دلخواه دسته هاورودي از ف��رض ت��ربيت، ش��وند. در گرفت��ه نظ��ر در ب��ردار يك عنوان به توانندمي خروجي – ورودي اس��ت، دلخ��واه خ��روجي كننده بيان كه هدف بردار يك با ورودي بردار هر كه است براين

ش�ود. معم�والمي نامي�ده آموزش�ي يا تربيتي زوج يك زوج دهند. اينمي تشكيل را زوج يك زوج ي��ك ورودي گ��ردد. قس��متمي ت��ربيت آموزش�ي هايزوج از تعدادي توسط شبكه يك

سيس�تم از نم�ادي ك�ه باش�د ي�ك و صفر الگوي شامل است ممكن مثال براي آموزشي،كند. بيان را الفبا حرف يك از دودويي

كهصورتي دهد. درمي نشان شبكه يك رويA حرف براي را ورودي از دسته يك زير شكل آن با متناظر عصبي سلول ورودي باشد، داشته وجود مربع يك داخلA حرف از قسمتي

عددي است ممكن است. خروجي صفر برابر ورودي صورت، اين غير است. در عدد يك ب�راي توان�دمي كه باشد يك و صفر از ديگري دسته شايد يا و كند بيان راA حرف كه باشد را ش��بكه بخواه��د كسي كهصورتي بگيرد. در قرار استفاده مورد خروجي الگوي يك توليد ني��از م��ورد آموزش��ي زوج26 ده��د، آموزش انگليسي الفباي حروف همه تشخيص براي

شوند.مي ناميده آموزشي دسته يك آموزشي، هايزوج از گروه بود. اين خواهد

تصویر - تشخیص3-10 شکل

Page 28: machine vision in agriculture (farsi)

ش��روع تص��ادفي كوچ��ك مق��ادير ب��ا باي��د ه��اوزن همه شبكه، آموزش فرايند شروع از قبل از و ش��د نخواه��د اش��باع ه��اوزن ب��زرگ مقادير با شبكه كه كندمي تضمين عمل شوند. اين

هم��ه ب��ه كهصورتي در مثال، آمد. براي خواهد عملبه جلوگيري نيز تربيتي هايآسيب بعضي داشته هاوزن برابر نا مقادير به نياز دلخواه عملكرد و شود داده يكسان اوليه مقادير هاوزن

ديد. نخواهد آموزش شبكه صورت اين در باشد،-مي داده توض��يح زي��ر در كه دارد هاييگام به نياز برگشتي انتشار الگوريتم با شبكه تربيتشود: ب��ه مرب��وط ج��زء و ش��ودمي انتخ��اب آموزش��ي دس��ته از را آموزش��ي زوج ي��ك.1

-می ب��رده ك��ارب��ه شبكه ورودي عنوانبه را آموزشي زوج ورودي( از ورودي)بردارشود.

شود.مي محاسبه را شبكه خروجي.2شود.مي محاسبه دلخواه خروجي و شبكه خروجي بين خطاي.3برسد. حداقل به خطا كه شودمي تنظيم روشيبه شبكه هايوزن.4 ب��راي خط��ا ت��ا شودمي تكرار آموزشي دسته در بردار هر براي چهار تا يك هايگام.5

يابد. كاهش قبول قابل ايگونهبه دسته كل

مجموع��ه تم��ام گردن��د. وق��تيمي اص��الح ه��اوزن ش��بكه، ب��ه اطالعات مجموعه هر ارائه با از اطالع�ات مج�ددا و اس�تش�ده تكميل 1اپوك يك گوييممي شد، داده شبكه به اطالعات

هاياپوك تعداد است ممكن ساده شبكه يك حتي آموزش شود. برايمي داده شبكه به اولباشد. الزم زيادي

ش��بكه آن، طي در ك��ه هستند روشي مشابه دوم و اول هايگام در نياز مورد عملكردهاي ص��ورت اينب��ه روش گ��يرد. اينمي قرار استفاده مورد پيوسته ايگونه به و شودمي تربيت و ش�ده انج��ام الي�ه ب�ه الي�ه محاس�بات ش�ود،مي ب�رده ك�ار ب�ه ورودي بردار يك كه است

-مي ب��رده ك��ارب��ه بعدي اليه براي ورودي عنوان به هاخروجي اين شود،مي محاسبه خروجي اين نتيج��ه، ودر ميگ��ردد محاسبه دوم اليه هايخروجي ها،ورودي اين روي از سپس و شوند

دهند.مي تشكيل را شبكه خروجي بردار هاخروجي محاس��به ب��راي ش��وند،مي مشخصOUT با كه شبكه هايخروجي از كدام هر سوم، گام در

تنظيم براي چهارم گام در خطا شوند. اينمي كم هدف بردار از خود متناظر آرايه از خطا آموزشي الگوريتم وسيلهبه هاوزن تغيير جهت و مقدار و شودمي برده كار به شبكه هايوزن

گردد.مي تعيين در كه هستند پيش به حركت يك شامل دوم و اول هايگام كه شود مالحظه است ممكن

نيز چهارم و سوم هايشود. گاممي منتشر خروجي سمتبه شبكه ورودي از سيگنال آن كهجايي از شده محاسبه خطاي سيگنال آن، در كه هستند عقببه برگشت يك شامل مبنای ادامه در شود.مي منتشر عقب سمتبه شودمي برده كاربه هاوزن تنظيم براي

شود.می داده توضیح برگشتی انتشار الگوریتم ریاضی گرادی��ان ک��اهش س��ازیبهین��ه روش براس��اس برگش��تی، انتش��ار الگوریتم ریاضی مبنای

به تابع که کندمی مشخص تابع در را جهتی تابع، یک مثبت عالمت با است. گرادیان استوار ک��ه کن��دمی مشخص را جهتی منفی عالمت با گرادیان و یابدمی افزایش توجهی قابل طور خطا مقدار تابع برگشتی، انتشار الگوریتم یابد. درمی کاهش ایمالحظه قابل طور به تابع

اند.شبکه هایوزن تابع متغیرهای و الی��ه درq عص��بی س��لول وj پنه��ان الی��ه درp عص��بی س��لول بین وزن بی��انگر wpq.k اگ��ر

الی��ه درq عص��بی س��لول خ��روجی و ورودی مق��ادیر ص��ورت این در باش��د،k خ��روجینوشت: توانمی زیر صورت به راk خروجی

فرمول

24-2

1 Epoch

Page 29: machine vision in agriculture (farsi)

k خروجی الیه درq عصبی سلول به ورودی : مقدارj پنهان الیه درp عصبی سلول از خروجی : مقدار

OUTqkسلول به خروجی : مقدار qخروجی الیه در kPپنهان الیه در عصبی هایسلول : تعداد jF)(تحریک : تابع

داشت: خواهیم بگیریم نظر در خطاها مربع میانگین صورتبه را خطا تابع اگر همچنین

فرمول

25-2Qآموزشی. دوره یک در شبکه به شده ارائه آموزشی هایزوج : تعدادqخروجی. الیه در عصبی هایسلول : تعداد

tqkعصبی سلول از دلخواه خروجی : مقدار qخروجی الیه در k.Eدوره. یک در خطاها مربع : میانگین نظ�ر در ت�وانمی زیر صورتبه را آموزشی زوج یک برای خطا تابع فوق، رابطه به توجه با

است(: شده آورده بعدی روابط شدن ساده برای5/0 )ضریب گرفت

فرمول

26-2گیریم:می مشتق Wpq.k متغیر به نسبت فوق تابع از حال

2-27 فرمولگیریم:می نظر در زیر مقدار با برابر راбqk متغیر حال

فرمول 28-2

داشت: کنیم،خواهیم فرض سیگموید تابع یک را تحریک تابع اگر فرمول

29-2

یا و فرمول

30-2نتیجه در

فرمول

31-2-می دستبه زیر رابطه بگیریم نظر در خطا تغییر میزان با متناسب را وزن تغییرات اگرآید:

Page 30: machine vision in agriculture (farsi)

فرمول

32-2نتیجه در

Page 31: machine vision in agriculture (farsi)

فرمول 33-2

است. آموزش پیشرفت میزان دهنده نشانη ضریب که p عصبی سلول وI ورودی الیه درo عصبی سلول بین وزن بیانگر اگر مشابه طوربه الیه درp عصبی سلول خروجی و ورودی مقادیر صورت این در باشد،j پنهان الیه در

کرد: بیان زیر صورتبه توان میj پنهان

فرمول

34-2NETpj: عصبی سلول به ورودی مقدار pپنهان الیه در j.OUToiعصبی سلول از خروجی : مقدار pورودی الیه در j.OUTpjعصبی سلول به خروجی : مقدار pخروجی الیه در j.

pپنهان الیه در عصبی هایسلول : تعداد j.F)(تحریک. : تابع

گیریم:می مشتق ،متغیر به نسبت بار این اما خطا، تابع از مجددا حال

2-35 فرمولگیریم:می نظر در زیر مقدار با برابر راбpj متغیر حال

فرمول

36-2داشت: خواهیم صورت این در بگیریم نظر در سیگموید تابع یک را تحریک تابع اگر

فرمول

37-2نتیجه: در

فرمول

38-2

آید:می دستبه زیر رابطه بگیریم، نظر در خطا میزان با متناسب را وزن تغییرات اگر

Page 32: machine vision in agriculture (farsi)

-39 فرمول

2

مصنوعی عصبی هایشبکه کاربردهای به اینجا در قبل هایبخش در عصبی هایشبکه به مربوط مهم هایقسمت توضیح از پس

شود.می پرداخته کشاورزی محصوالت در مصنوعی عصبی هایشبکه کاربرد فيزيكي خصوصيات انتقال عمومي خيلي توابع توانمي غذايي محصوالت بنديطبقه براي

بنديطبقه براي توانمي مصنوعي عصبي هايشبكه كرد. از مدل را كيفيت فاكتورهاي به استفاده جاتسبزي و طيور الشه جات،ميوه ها،دانه شامل غذايي محصوالت تعدادي(.2004 سان، و كرد)دو

-درجه دقت ارزيابي است. براي شده استفاده غالت هايدانه براي عصبي هايشبكه از گندم ،1سخت بهاره شامل: گندم غله مختلف نوع پنج از عصبي شبكه الگو،9 بندي

و است)پالیوال شده استفاده يوالف و چاودار جو، كانادا، غرب كهربايي دوروم محور طول محيط، مانند: مساحت، مورفولوژيكي ويژگي . هشت(2001 همکاران،

عنوانبه و آمد دستبه پذيريتراكم و قطر گردي، طول، فرعي، محور طول اصلي، %97 بنديدرجه گرفتند. دقت قرار استفاده مورد دانه هر براي عصبي شبكه ورودي

در آمد، دستبه يوالف و كانادا غرب كهربايي دوروم گندم سخت، بهاره گندم براي 2اليه چند عصبي شبكه بندطبقه % بود. يك88 چاودار و جو براي دقت اين صورتيكه

غرب بهاره قرمز گندم هايدانه بنديتقسيم براي ،1999 سال در همكاران و لو توسط انتخاب هايويژگي از استفاده با ديده آسيب دانه نوع شش و سالم هايدانه به كانادا، شد. برده كار به نمونه، هايدانه تصاوير از آمده دستبه مورفولوژيكي و رنگي شده است. پذيرامكان عصبي شبكه از استفاده با پسته و سيب مانند هاييميوه بنديطبقه با را هاسيب توانستمي كه دادند توسعه را روشي1992 سال در همكاران و 3نانکو

يك مدل كند. اين بنديطبقه شانظاهري كيفيت براساس و عصبي شبكه از استفاده در واحد3 و مياني اليه در واحد10 ورودي، اليه در واحد27 با اليه سه عصبي شبكه

را هاسيب است قادر بندطبقه اين كه بود آن از حاكي آزمايشگاهي بود. نتايج خروجي اليه شبكه مدل دو ،1997 سال در همكاران و كند. نانکو بنديطبقه كيفي درجه سه به

بنديدسته براي كه هامدل اين از بردند. يكي كاربه هاسيب رنگي بنديدرجه براي عصبي-مي كه ديگري عصبي % بود. شبكه95 از بيش دقتي داراي بود شده استفاده هاپيكسل

معيوب و رنگكم خوب، عالي، ممتاز، هايدرجه به را سيب سالم سطح رنگ توانست ديده آسيب و رنگكم ممتاز، هايگروه بنديدرجه دادند. دقت گسترش كند، بنديطبقه و4 کیم نبود. آلايده چندان خوب و عالي هايگروه بندي درجه دقت اما بود، باال بسيار

براساس هاسيب بنديطبقه براي عصبي شبكه بندطبقه يك از ،2000 سال در 5شاتزکی دستبه ويژگي هشت از استفاده با شديد و متوسط مناسب، سطح سه به هسته آب

دستبه كردند. نتايج استفادهX اشعه از استفاده با سيب شده اسكن تصوير از آمده با را شديد و مناسب گروه دو هايسيب صحيح تشخيس توانايي سيستم دادكه نشان آمده

8امپراتور هايسيب 7گویر و 6کاوادیر ،2002 سال دارد. در را±%5%-8 حدود در خطايي

بندی طبقه 9انتشار پس شبكه با و سطح كيفيت شرايط براساس را دلیشز گلدن و سطوح از استفاده با ايدسته پنج بنديطبقه يك و ايدسته دو بنديطبقه كردند. يك عنوانبه كامل سيب تصوير از آمده دستبه بافتي هايويژگي و هاپيكسل خاكستري

1 Hard Red Spring2 Multilayer neural network3 Naneko4 Kim5 Schatzki6 Kavdir7 Guyer8 Empire9 Backpropagation neural network

USER, ۲۰۰۸/۰۱/۰۶,
Paliwal, J., et al,. 2001. Evaluation of neural network architectures for cereal grain classification using morphological features. Journal of Agricultural Engineering Research, 79, 361-370
USER, ۲۰۰۸/۰۱/۰۵,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
Page 33: machine vision in agriculture (farsi)

% بود. در100 % تا2/89 از ايدسته دو بنديدرجه گرفت. موفقيت انجام ورودي، %100 % تا8/93 بين امپراتور سيب براي بنديطبقه موفقيت اي،دسته پنج بنديدرجه

% بود.4/94 % تا7/89 بين دلیشز گلدن سيب براي مقدار اين صورتيكه در بود شامل كه ،1چندساختاري عصبي شبكه بندطبقه يك ،1996 سال در همكاران و غضنفری

كردند. هر پيشنهاد بود، بسته كالس چهار بنديتقسيم براي موازي دهنده تشخيص چهار كه بود خروجي اليه يك و مخفي اليه دو با 2جلو به رو تغذيه عصبي شبكه يك كننده تفكيك

كرد. درمي استفاده ورودي عنوانبه پسته تصاوير از آمده دستبه فيزيكي خواص از متوسط دقت اليه چند جلوي به رو تغذيه عصبي شبكه بندطبقه يك عملكرد با مقايسه

از % بيشتر9/8 كه % است9/95 ساختاري، چند عصبي شبكه بندطبقه يك بنديطبقه و 3کاساسنت ،1998 سال باشد. درمي اليه چند جلوي به رو تغذيه عصبي شبكه عملكرد

X اشعه توسط شده گرفته تصاوير بنديطبقه براي جديد عصبي شبكه يك از همكاران به نسبت كمتر مخفي اليه هاينرون داشتن با عصبي شبكه كردند. اين استفاده پسته، از

هايتكنيك آوردند. از وجودبه را تريمنظم گيري تصميم سطوح ديگر، بندهايطبقه است شده استفاده پذيرتطبيق الگوريتم و مخفي اليه هاينرون تعداد انتخاب براي جديدي

بهترين انتخاب خاص، منظور اين براي پارامترها انتخاب مسايل از اجتناب با كه سازد. نتايجمي ممكن آموزش، مجموعه آناليز به نياز بدون را بنديطبقه پارامترهاي

توانايي داراي خوب هايپسته % برگشت1 با فقط روش اين دادكه نشان بنديطبقه بنديطبقه براي عصبي شبكه از % است. همچنين2 به كلي هايآسيب-ديدگي كاهش تصوير پردازش تكنيك يك ،1994 سال در همكاران و 4است. آرنا شده استفاده پرتقال

كردند. در معرفي پرتقال ميوه خودكار بنديطبقه براي مصنوعي عصبي شبكه بر مبني طبقه و پرتقال سطح روي موجود هاي لكه شناسايي براي عصبي شبكه از تحقيق اين

از نما6 داشتن با آنها پوست روي لكه وجود عدم و لكه وجود براساس ها پرتقال بندي(.1994 همکاران، و شد)آرنا استفاده ، پرتقال هر

اند. درشده بنديدرجه عصبي هايشبكه وسيلهبه پياز و هويج مانند مختلفي سبزيجات هايويژگي براساس كالس پنج به هويج بنديطبقه براي عصبي شبكه يك ،1990 سال

سازيشبيه هويج80 با سيستم شد. اين طراحي همكاران و 5برندون توسط شكلي، بندي طبقه متوسط نسبت كه شد آزمايش تازه هويج250 با و شد داده آموزش شده

هايويژگي كه كردند ثابت ،2002 سال در همكاران و % بود. شاهین5/11 نادرست براي خوبي شاخص شده، انتخاب مجزاي كسينوسي تبديل ضرايب با مركب مخصوص

بندطبقه است. يكX اشعه برداري تصوير از استفاده با پياز دروني هايديدگيآسيب تعيين %90 از بيش دقتي با خراب و خوب گروه دو به پياز بندی طبقه براي عصبي شبكه

زمینه در شده انجام تحقیقات ادامه داشت. در بيزين بندطبقه به نسبت بهتري عملكردگیرد.می قرار بررسی مورد زمینی سیب اتوماتیک بازرسی

كلي بنديجمع ايمساله دقت برابر در هزينه متقابل معيارهاي رعايت به نياز دليلبه تصويربرداري

اما است، تصويربرداري براي روش ارزانترينCCD دوربين از است. استفاده پيچيده-ماوراي تصويربرداري هاينيست. روش مناسب دروني ساختار از تصويربرداري براي

CT وMRI تصويربرداري اما هستندCT وMRI تصويربرداري از ارزانترET و صوت بسيار هايروش باالي آورند. هزينهمي وجودبه بيشتري دقت و رزولوشن با تصاويري

كند.مي محدود را غذايي مواد داخلي كيفيت ارزيابي به دستيابيCT وMRI مانند دقيقي بود خواهند هايي روشET و صوتماوراي تصويربرداري هايتكنيك بودن، ترهزينهكم دليلبه-خواهندشد. به انتخاب غذايي مواد ارزيابي براي آينده در پايين نسبتا دقت وجود با كه

-زمينه عامل اين كه نيست مناسب مواردي در صوتماوراي تصويربرداري دقت هرحال

1 Multi-structure neural network2 Feed-forward neural network3 Casasent4 Arena5 Brandon

USER, ۲۰۰۸/۰۱/۰۶,
Page 34: machine vision in agriculture (farsi)

كه است جسم ساختار به وابسته روشETدهد. مي كاهش را تكنيك اين از استفاده هاي(.2004 سان، و دارد)دو پاييني تشخيص قدرت

بردن باال براي اوليه پردازش تصوير، پردازش سيستم يك كردعمل از اطمينان منظوربه را موردنظر نواحي است. كيفيت ضروري موجود نويزهاي رفع و نظر مورد ناحيه كيفيت

هايانتقال كننده، تفكيك )آناليزهايRGB رنگي فضاي در مختلفي هاينتقال با توانمي مختلف، روش با كانال هر به دادن وزن وسيله( به*L*a*b وILI2I3، HSV استاندارد،

فوريه تبديل دامنه در باال هايفركانس معادل . نويز(2002 ،2راث و 1داد)فیلیپ افزايش است ممكن كار گرفت. اين راآن جلوي گذر پايين فيلتر از استفاده با توانمي كه است

-پردازش شدن ترمشكل موجب كه گردد تصوير رزولوشن كاهش و شدن ترتيره موجب تصاوير اوليه پردازش براي انتقال روش بهترين يافتن اين بر شود. عالوهمي بعدي هاياست. بيشتر تحقيقات براي عالقه مورد موضوعات جمله از غذايي، مواد

يك در موجود اشياي گذارد. اگرمي اثر نتايج روي مستقيم طور به تصوير جداسازي ارزيابي نتيجه در و اشيا بنديدسته و گيرياندازه كرد، جدا صحيح طور به نتوان را تصوير

از: عبارتند تصاوير جاسلزي متداول روش بود. چهار خواهد مشكل غذايي مواد و شيب براساس جداسازي ناحيه، براساس جداسازي يابي،آستانه براساس جداسازيبندي.طبقه براساس جداسازي

ندارد. وجود كرد استفاده آن از تصاوير تمام براي بتوان كه عمومي الگوريتم حال هر به-شده پيشنهاد خاص منظور يك براي ذاتي طوربه تصوير جداسازي هايتكنيك تمام تقريبا انتخاب چگونگي تصوير، درجداسازي موجود اصلي (. مساله1981 ،4موی و 3اند)فو كه است شرايطي تحت يكنواخت، نواحي به تصوير بنديتقسيم براي مناسب روش روش انتخابر براي ممكن هايحلدارد. راه وجود كار اين براي زيادي ممكن هايروش

-مي قبلي هاياست. دانسته تصوير محتويات درباره قبلي هايدانسته براساس جداسازي توزيع به مربوط اطالعات يا و اشيا ويژه بافت و ويژه رنگ ويژه، شكل ويژه، ابعاد تواندباشد. اشيا ويژه

ارزيابي يراي تنهاييبه بافت و رنگ شكل، مانند: ابعاد، هاييويژگي از تنها گروه يك اشيا گيرياندازه زمينه در اصلي هستند. مساله نامناسب غذايي محصوالت از بسياري

مهمي اطالعات بيانگر مختصر طور به كه است عددي كنندهتوصيف پارامترهاي براساس غذايي مواد كيفيت ارزيابي براي استفاده مورد هايويژگي از اياست. خالصه تصوير در-ويژگي رنگ و شكل پيداست جدول اين از كهطوري است. به شده آورده2-6 جدول در

(.2004 سان، و اند)دوگرفته قرار استفاده مورد بارها كه هستند هايي

و غذايي)دو مختلف محصوالت ارزيابي در شده كاربرده هايويژگي مختلف هاي: دسته2-7جدول(.2004 سان،

طبقه محصول ابعاد شكل رنگبافت

جات ميوه

* * سيب

* فروت گريپ

* هلو

* * * فرنگي گوجه

غالت

* جو

1 Philip2 Rath3 Fu4 Mui

USER, ۲۰۰۸/۰۲/۰۴,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
USER, ۲۰۰۸/۰۲/۰۴,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
USER, ۲۰۰۸/۰۲/۰۴,
Fu, K., Mui, J. 1981. Asurvey on image segmentation. Pattern Recognition, 13, 3-16
USER, ۲۰۰۸/۰۲/۰۴,
Philip, I., Rath, T. 2002. Improving plant discrimination in image processing by use of different colour space transformations. Computers and Electronics in Agriculture, 35, 1-15
USER, ۲۰۰۸/۰۲/۰۴,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
Page 35: machine vision in agriculture (farsi)

* زمينيبادام

* چاودار

* * * سويا

* * * * گندم

جات سبزي

* هويج

بافت رنگ شكل ابعاد محصول طبقه

* عدس

* * قارچ

* فلفل

* * * * زمينيسيب

* كاسني

2-7 جدول در را كشاورزي محصوالت ارزيابي براي بنديطبقه هايروش از اي خالصهكنيد.مي مشاهده

بندي براي ارزيابي محصوالت كشاورزي)دو و سان،هاي طبقه: خالصه اي از روش2-8جدول2004.)

منابع دقت محصول روش طبقه

شيالت

Hu et al., 1998 89 فازي ماهي

جاتميوه

Shahin et al., 1999 79 آماري سيب

Kim & Shatzki, 2000 92 شبكه

عصبي

Ghazanfari et al., 1996 9/95 شبكه

عصبي پسته

غالت

Luo et al., 1999 99 آماري جو

Paliwal et al., 2001 88 شبكه

عصبي

Luo et al., 1999 2/98 آماري چاودار

Paliwal et al., 2001 88 شبكه

عصبي

Luo et al., 1999 99 آماري يوالف

Paliwal et al., 2001 97 شبكه

عصبي

Luo et al., 1999 9/96 آماري گندم

Paliwal et al., 2001 97 شبكه

عصبي

گوشت

USER, ۲۰۰۸/۰۲/۰۴,
Du, C., Sun, D.,. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trendds in Food Science & Technology, 15, 230-249.
Page 36: machine vision in agriculture (farsi)

Tao et al., 2000 92 آماري طيور الشه

Park & Chen, 2000 1/91 شبكه

عصبي

سبزيجات

Brandon et al., 1990 5/88 شبكه

عصبي هويج

Jahns et al., 2001 ----- فازي گوجه

فرنگي

Shahin et al., 2002 90 شبكه

عصبي پياز

موارد ساير

Abdullah et al., 2004 79 آماري شيريني

Sun & Brosnan, 2003 92 فازي پيتزا

كرد: جمع زير وارفهرست صورتبه را قبلي مطالب ميتوان خالصه طوربههايتكنيك كاربرد تصوير، پردازش پروسه در موجود مرحله پنج طبق بخش اين در

انواع گرفت. از قرار بررسي مورد مختلف غذايي محصوالت در تصوير پردازش درجات با غذايي محصوالت كيفيت ارزيابي براي تصوير پردازش هايتكنيك

ET وCT صوت، ماوراي ، CCD، MRI هايشد. دوربين استفاده مختلف موفقيت دوربين هستند. از غذايي مواد كيفي ارزيابي براي موجود حسگري رايج هايتكنيكCCDاز اما شودمي استفاده مواد بيروني خواص آوردن دستبه براي معموال MRI ، صوت، ماوراي CTو ETمواد دروني ساختار بازرسي براب ميتوان

كرد. استفادهبراي تصوير كيفيت بهبود براي موضعي و پيكسلي اوليه پردازش روش دو از

براي روش ترينمرسوم رنگي، فضاي كرد. انتقال استفاده بعدي هايپردازش روش مهمترين تصوير كردن صاف هايتكنيك و است پيكسلي اوليه پردازشاست. موضعي اوليه پردازش

به اصلي تكنيك چهار بنديطبقه و شيب ناحيه، يابي،آستانه براساس جداسازي- است. غذايي مواد از شده گرفته تصاوير جداسازي براي شده برده كار

نقاط از ايمجموعه به تصوير بنديتقسيم با يابيآستانه براساس جداسازي شيب وسيلهبه دهد. جداسازيمي انجام را جداسازي عمل خارجي، و داخلي

مرتبط با بنديطبقه براساس هايروش صورتيكه در است اشيا يابي لبه براساس روش دو اين بر آيد. عالوهمي دستبه مختلف اشياي به پيكسل هر ساختن

) ناحيه كردن ممزوج و شكافتن روش ( وGM) ناحيه كردن ممزوج و گسترشSMهستند. يابي ناحيه براساس جداسازي براي اساسي روش ( دو

،در اشيا هايويژگي گيرياندازه براي مرسوم گروه چهار بافت و رنگ شكل، ابعاد هايويژگي عرض و طول محيط، هستند. مساحت، غذايي محصوالت تصاوير-مي شكل هايويژگي هستند. از جسم ابعاد انعكاس براي شده استفاده متداول

كرد. توصيف استفاده ابعادي هايويژگي با تركيبي يا و مستقل صورت به توان توصيف براي استفاده مورد ابعاد از مستقل روش دو ثابت ممان و فوريه كننده چندين و است بافت توصيف براي روش تريناصلي آماري هستند. روش شكلدارد. وجود فراكتال و موجك تبديل فوريه، بسط براساس ديگر روش

طبقه براي مصنوعي عصبي هايشبكه و فازي منطق آماري، اصلي روش سه احتمال اساسي مدل يك داشتن با معموال آماري هايروند. روشمي كار به بندي

و ميكند استفاده فازي منطق مفهوم از فازي بنديشوند. طبقهمي شناخته صريحهستند. بيولوژيكي عصبي هايسيستم سازي شبيه عصبي هايشبكه

Page 37: machine vision in agriculture (farsi)