نوع مقاله : مقاله پژوهشی فارسی

نویسندگان

گروه مهندسی مکانیک، دانشگاه صنعتی بیرجند.

چکیده

مغز پسته یکی از مهمترین محصولات صادراتی ایران محسوب می‌شود. بنابراین درجه‌بندی دقیق آن از اهمیت زیادی برخوردار است. این محصول بر اساس استاندارد ملی ایران، با شمارش تعداد پسته در 100 گرم به سه دسته درشت، متوسط و ریز تقسیم می­شود. در این مقاله با استفاده از روش ماشین­بینایی، از تعدای مغز پسته با اندازه و شکل­های کاملاً تصادفی تصویربرداری و ذخیره­سازی در رایانه انجام شد. سپس، عملیات پردازش تصویر شامل بهبود عکس مغز پسته­ها جهت افزایش دقت لبه­یابی صورت گرفت. جهت استخراج ابعاد هندسی شامل بزرگترین قطر و مساحت، فرآیند کالیبراسیون دقیق با یک صفحه شطرنجی انجام شد. در استاندارد ملی ایران توجهی به سالم یا شکسته بودن مغز پسته جهت درجه­بندی این محصول نشده است. لذا در این تحقیق، روش سری فوریه برای استخراج ویژگی­های مورفولوژیکی مغز پسته شامل گردی، کشیدگی، تقارن، مثلثی و مربعی بودن با استفاده از توصیف­گرهای مرتبه پایین مورد استفاده قرار گرفته است. با توجه به نتایج حاصل از عملیات کالیبراسیون، دقت اندازه­گیری با میانگین خطای 09/0 میلی‌متر حاصل شد. با توجه به نتایج آزمایش تجربی مشاهده می­شود، با استفاده از پردازش تصویر و تکنیک سری فوریه، امکان بهبود استاندارد فعلی از نظر افزایش سرعت، کاهش هزینه­ها و افزودن پارامترهای شکل مغز پسته جهت تعیین میزان سالم بودن این محصول، امکان­پذیر است.

کلیدواژه‌ها

رضوی، س. م. ع.، مظاهری نسب، م.، نیکفرو، ف. و ثنایی فرد، ح.، 2010، خواص فیزیکی و پردازش تصویر دانه پسته وحشی بنه، مجله پژوهش‌های علوم و صنایع غذایی ایران، 3 (2)، 61-71.
کمیته ملی استاندارد اندازه‌شناسی، اوزان و مقیاس‌ها، 1392، الک‌های آزمون و آزمون الک کردن- واژه نامه (استاندارد شماره 1598)، موسسه استاندارد و تحقیقات صنعتی ایران، ایران.
کمیته ملی استاندارد ساختمان و معدن، 1381، سنگدانه های بتن-ویژگی‌ها (استاندارد شماره 302)، موسسه استاندارد و تحقیقات صنعتی ایران، ایران.
کمیته ملی استاندارد خوراک و فرآورده های کشاورزی، 1392، مغز پسته-ویژگی‌ها و روش‌های آزمون (استاندارد شماره 218)، موسسه استاندارد و تحقیقات صنعتی ایران، ایران.
لرستانی، ع.، امید م.، طباطبایی فر، س. ا.، برقعی، ع. م. و باقری شورکی، س.، 1386، طراحی و ارزیابی یک سیستم هوشمند درجه‌بند سیب گلدن دلیشز با منطق فازی، مجله علوم کشاورزی ایران، 38 (1) 1-10.
Bowman, E. T., Soga, K., & Drummond, W., 2001, Particle shape characterisation using Fourier descriptor analysis. Geotechnique, 51(6), 545-554.
Clark, M. W., 1981, Quantitative shape analysis: a review. Journal of the International Association for Mathematical Geology, 13(4), 303-320.
Kader, A. A., Heintz, C. M., Labavitch, J. M., & Rae, H. L., 1982, Studies related to the description and evaluation of pistachio nut quality. Journal of the American Society for Horticultural Science, 107(5), 812-816.
Mahmoudi, A., Omid, M., Aghagolzadeh, A., & Borgayee, A. M., 2006, Grading of Iranian's export pistachio nuts based on artificial neural networks. International Journal of Agriculture and Biology, 8 (3), 371-376.
Nezhad, R., & Ebrahımy, F., 2014, an intelligent-based mechatronics system for grading the iranian's export pistachio nuts into hulled and non-hulled groups. Indian Journal of Scientific Research, 7(1), 1063-1071.
Nouri-Ahmadabadi, H., Omid, M., Mohtasebi, S. S., & Firouz, M. S., 2017, Design, development and evaluation of an online grading system for peeled pistachios equipped with machine vision technology and support vector machine. Information Processing in Agriculture, 4(4), 333-341.
Xingfang, Y., Yumei, H., & Feng, G., 2010, October, A simple camera calibration method based on sub-pixel corner extraction of the chessboard image. In Intelligent Computing and Intelligent Systems (ICIS), 2010 IEEE International Conference on (Vol. 3, pp. 688-692). IEEE
CAPTCHA Image