مجله پژوهشهای علوم و صنایع غذایی ایران

چکیده امروزه در کشاورزی مدرن ترکیبی از تکنیک‌­های پردازش تصویر و روش‌­های هوشمند برای جایگزینی ماشین‌­های هوشمند به‌جای انسان استفاده می‌­شود. در این مطالعه از روش پردازش تصویر مصنوعی و شبکه عصبی مصنوعی (ANN) برای طبقه‌­بندی میوه توت­‌فرنگی رقم پاروس استفاده شده است. در گام اول این میوه توسط یک متخصص به شش کلاس طبقه‌بندی شد (به‌عنوان خروجی ANN) و از هر کلاس 100 نمونه به‌طور تصادفی جمع‌­آوری گردید. در گام بعد تصاویر نمونه­‌ها ضبط شده و سه خصوصیت هندسی با 12 ویژگی رنگ (به‌عنوان ورودی‌های ANN) استخراج گردید. ساختار شبکه عصبی بهینه با توجه به خطای میانگین مربعات (RMSE) و ضریب هبستگی (2R) برای فرآیند طبقه‌بندی نمونه­‌های توت‌فرنگی درنظر گرفته شد. درنهایت شبکه عصبی پرسپترون با ساختار 15-18-6 با دقت 83/83٪ انتخاب گردید.