Mendeley  

Zotero  

Bashkar M, Dowlati M, Golpour I, Meighani H. Estimation of biochemical characteristics of blood orange (Citrus sinensis cv. Moro) using machine vision and ANNs. FSCT 2022; 19 (125) :157-170
URL: http://fsct.modares.ac.ir/article-7-58479-fa.html

امروزه، مرکبات به­ ویژه پرتقال نقش به سزایی در رژیم غذایی انسان‌ها دارد و ارزیابی ویژگی­های کیفی آن از اهمیت ویژه­ای برخوردار است. هدف از این پژوهش، بررسی و پیش‌بینی ویژگی­های بیوشیمیایی پرتقال خونی با استفاده از تکنیک­های پردازش تصویر و شبکه‌های عصبی مصنوعی است. در این آزمایش، ابتدا میزان ویتامین ث، محتوای قندی و مقدار pH با استفاده از روش­های آزمایشگاهی مختلف به دست آمد. سپس با کمک تکنیک پردازش تصویر تعداد 108 ویژگی‌ بافتی و 57 ویژگی رنگی از تصاویر اخذ شده از نمونه­های پرتقال در فضاهای رنگی CIElab، RGB، HSV و HSI استخراج شد و با بهره­گیری از روش شبکه‌های عصبی مصنوعی، ویژگی‌های بیوشیمیایی تخمین زده شدند. جهت ارزیابی پارامترها و انتخاب بیشترین دقت پیش‌بینی، از یک شبکه عصبی پیشخور با الگوریتم یادگیری لورنبرگ- مارکوارت با تعداد نرون‌ها و توابع انتقال متفاوت در لایه‌های پنهان و خروجی استفاده شد. در نهایت، با بکارگیری بهترین نوع شبکه عصبی و با استفاده از 165 ویژگی بافتی-رنگی، میزان ویتامین ث، محتوای قندی و pH، به‌ ترتیب با ضرایب همبستگی 950/0، 968/0 و 884/0 تخمین زده شدند. بنابرین، با درنظر گرفتن ضریب همبستگی مناسب، می‌توان گفت فن‌آوری ماشین بینایی و پردازش تصویر قادر است با دقت خوبی ویژگی‌های بیوشیمیایی پرتقال خونی را تخمین بزند.