تصنیف عیوب ثمار التفاح باستخدام تقنیة التحلیل الوصفى اللونى

نوع المستند : Original Article

المؤلف

باحث أول بمعهد بحوث الهندسة الزراعیة – مرکز البحوث الزراعیة - الدقى - مصر.

المستخلص

تهدف هذه الدراسة الى استخدام واختبار نظام التحلیل اللونى للصور فى تصنیف بعض العیوب السطحیة لثمار التفاح الأصفر على أساس المحتوى اللونى للصورة ، واستخراج قیم مکونات الألوان (وهى الأحمر والأخضر والأزرق)، والخصائص اللونیة ( وهى درجة اللون ، وقیم التشبع والأضاءة) ، وامکانیة استخدام التحلیل الوصفى للصور لمراقبة الجودة لثمار التفاح .. حیت تم بناء جهاز تجریبى للتحلیل الوصفى للصور للتعرف على تصنیف العیوب السطحیة على ثمار التفاح ، کما تم إجراء التجارب والقیاسات التحلیلیة بالمعهد القومى لعلوم اللیزر بجامعة القاهرة.
تم اختیار عینات عشوائیة من ثمار التفاح الأصفر من السوق المحلى بمحافظة الجیزة.. حیث تم تجهیز العینات بغسیلها من الأتربة وتجفیفها طبیعیا من آثار المیاه.

 وتم إعداد هذه العینات للتصویرباستخدام آلة تصویر رقمیة ذات حساسیة فائقة مع ثبات کمیة الإضاءة والمسافة بین الکامیرا والعینات ، بینما آلة التصویر الرقمیة متصلة بالحاسب الآلى وذلک لاستقبال الصور المختلفة (حیث تم أخذ أربعة صورلکل عینة أحداهما صورة طبیعیة والأخرى مقلوبة وصورتین من الجانبین) وأجرى التحلیل اللونى لتلک الصور شاملا قیم مکونات الألوان (وهى الأحمر والأخضر والأزرق)، وقیم الخصائص اللونیة ( وهى درجة اللون ، وقیم التشبع والأضاءة) باستخدام برنامج التحلیل الوصفى اللونى المتخصص.

النتائج المتحصل علیها اشارت الى النقاط التالیة : -
1- متوسطات المکونات اللونیة للعینات ثمار التفاح المقارنة کانت کالتالى : قیم مکون اللون الأحمر کان 183.6 ، والأخضر 172 ، والأزرق 62.4 ومتوسطات الخصائص اللونیة لنفس العینات کانت کالتالى درجة اللون کانت 53.2 درجة ، وقیمة تشبع اللون 65.9 ، والکثافة الضوئیة 72 .
 2- إنخفضت قیم مکون اللون الأحمر وکانت کالتالى: (162 – 73.4) ، (170.4 – 104.4) ، ( 210.8- 98.4) ، و (202.6 – 113.1) ووانخفضت قیم مکون اللون الأخضر وکانت کالتالى : (148.6 – 73.5) ، (122.2 – 61.2) ، (181- 62.4) ، و (180.1 – 90.3 ).. بینما تغیرت قیم المکون اللون الأزرق بدرجة طفیفة وکانت کالتالى: (61.6- 61.9) ، (61.1 – 63.4) ،  (61.4- 62.0) ، و (61.6 – 62.7 ) للعیوب السطحیة اللونیة ، الفطریة ، الکدمات ، والتشغیل لثمار التفاح على الترتیب مقارنة بالعینة المقارنة .
3- کما إنخفضت قیم مکون اللون الأحمر وکانت کالتالى (134.6- 84.4) ، (203 – 186.6) ، (143.8 – 98.4) ، و (202.8 – 174.9) ، وانخفضت قیم المکون اللون الأخضر وکانت کالتالى (100 – 75.2) ، (131.4 – 118) ، (115.4 – 61.4) ، و (184.8- 154.6).. بینما تغیرت قیم المکون اللون الأزرق بدرجة طفیفة وکانت کالتالى (62.1- 66.8) ، (61.6 – 62.0) ، (61.4 – 63.4) ، و (62.4- 62.6) للعیوب السطحیة الحشریة ، الندبة بالنسیج ، المیکانیکیة ، المساحة الضامرة لثمار التفاح على الترتیب ، مقارنة بالعینة المقارنة.
4- تبین ان قیم المکون اللونى (الأحمر ، والأخضر ، والأزرق) وقیم الخصائص اللونیة ( درجة اللون ، وقیمة تشبع اللون ، والکثافة الضوئیة) کانت مهمة جدا وضروریة لتصنیف العیوب السطحیة لثمار التفاح .
5- تم انشاء مقیاس لعیوب ثمار التفاح مقارنة بالعینة السلیمة فکانت القیم أقل فى العیوب التالیة اللونیة ، والفطریة ، والحشریة ، والمیکانیکیة . بینما کانت القیم أعلى فى الکدمات ، و التشغیل ، و الندبة بالنسیج ، و الضامرة.  
5- کما تم استخدام طریق التحلیل الوصفى للصور فى قیاس العیوب السطحیة لثمارالتفاح  وبالتالى فى تطویر نظام الفرز لفرز ثمار التفاح على اساس اللتحلیل اللونى.
6-  یوصى باستخدام التحلیل الوصفى للصور فى نظم فرز ثمار المنتجات الزراعیة من حبوب وفاکهة وخضروات فى الأنظمة الآلیة.

الموضوعات الرئيسية


Arman A., A. M. Motlagh, K.Mollazade and R.F.Teimourlou (2011 ).  Recognition and localization of ripen tomato based on machine vision. Dep. of Agric. Mach. Eng., Agric. Fac., Urmia univ. AJCS 5(10):1144-1149.
Bock C.H., P.E. Parker, A.Z. Cook and  T.R. Gottwald (2008). Characteristics of the perception of different severity measures of citrus canker and the relationships between the various symptom types. Plant Dis. 92: 927-939.
Bulanon D.M., T. Kataoka, Y. Ota and T. Hiroma (2002). A segmentation algorithm for the automatic recognition of fuji apples at Harvest. Biosist. Eng. 83(4):405-412.
Heinemann P.H., Z.A.Varghese, C.T.Morrow, H.J. Sommer, R.M.Crassweller (1995). Machine vision inspection of Golden Delicious apples. Appl. Eng. Agric. ASAE 11 (6):901–906.
Khojastehnazhand M., M. Omid and A. Tabatabaeefar (2009). Determination of orange volume and surface area using image processing technique. Int. Agrophy. 23: 237-242.
Kleynen, O., V. Leemans, and M. F. Destain (2003). Selection of the most efficient wavelenth bands for ‘Jonagold’ apple sorting. In: Postharvest Bio. and Tech., 30: 221-232.
Leemans V, Magein H. and Destain MF (1998). Defects segmentation on ‘Golden Delicious’ apples by using color machine vision. Comput. and Electron. in  Agric., 20: 117-130.
Leemans V. and Destain M.-F. (2004). A real-time grading method of apples based on features extracted from defects. In: J. of Food Eng., 61:83-89.
Leila F., R.E.Hasan; M.T.Hadis, S. Navazolah and A. Heshmatolah (2012). Computer-based recognition of severity of apple blue mould using RGB components. Comput. Eng. Dep., Sharif Un. Techn., Tehran, Iran. Int. Res. J. of Appl. and Basic Sc. 3 (1):39-45.
Lorestani A.N., M. Omid, S.B. Shooraki, A.M. Borghei and A. Tabatabaeefar (2006). Design and evaluation of a Fuzzy Logic based decision support system for grading of Golden Delicious apples. Int. J. Agric. Biol. 8(4): 440-444.
Panli, H. E. (2012). Fruit surface defects detection and classification based on attention model.  Sch. Info. Eng., Shenyang Univ., Shenyang, China. J. of Comput. Info. Sys. 8 (10): 4233–4240.
Penman, D.W. (2002). Determination of stem and calyx location on apples using automatic visual inspection. Comput. and Elect. in Agric., 33: 7–18
Schaare, P. N. and D. G. Fraser. (2000). Comparison of reflectance, Interactance and transmission modes of visible near infrared spectroscopy for measuring internal properties of kiwifruit (Actinidia chinensis). Postharvest Biology and Tech., : 175 – 184.
Throop, J.A., D.J. Aneshansley, W.C. Anger, and D.L. Peterson. (2005). Quality evaluation of apples based on surface defects: development of an automated inspection system. Postharvest Biology and Tech., 36:281–290.
Toth, D. and T. Aach. (2001). Improved minimum distance classification with Gaussian outlier detection for industrial inspection. In Proc. Int. Conf. Image Analy. and Proc., Palermo : 584 – 588.