تقنیة تحلیل الصور لتقدیر نضج ثمار البرتقال

نوع المستند : Original Article

المؤلفون

1 مدرس الهندسة الزراعیة – قسم الهندسة الزراعیة – کلیة الزراعة – جامعة طنطا مصر.

2 مدرس مساعد – قسم الهندسة الزراعیة – کلیة الزراعة – جامعة طنطا مصر.

المستخلص

تعتبر الموالح من أهم الحاصلات البستانیة التى تقوم مصر بإنتاجها سنویا وتصدیرها للخارج حیث بلغ إنتاج مصر فى عام 2013  من ثمار البرتقال 2.57 ملیون طن و تتأثر الجودة التصدیریة لثمار البرتقال بشکل کبیر بعملیات الحصاد والتداول والتخزین والتى إذا حدث بها أى خلل أدى ذلک الى تقلیل جودتها  لعدم صلاحیتها للتصدیر وبالتالى یؤثر هذا على الدخل القومى بمصر، ولهذا تکمن أهمیة الإهتمام بطور النضج للثمار و تحدید موعد الحصاد حتى یتم تصدیرها بالمواصفات التصدیریة الخاصة بها ونجد أن طرق تحدید طور النضج المناسب یتم بإستخدام الفحص الیدوى والخبرة بمشاهدة حجم ولون الثمار وشکلها الخارجى

وهذا یحتاج إلى خبرة عالیة ومن هنا تبرز أهمیة إستخدام تقنیات حدیثة لمعرفة درجات النضج مثل تقنیة تحلیل الصور. لذا کان الهدف من البحث دراسة إمکانیة استخدام تحلیل الصور فى تقدیر نضج ثمار البرتقال.

 تم تصویر الثمار خلال فترات النمو المختلفة و تقدیر بعض الصفات الکیمیائیة معملیا والتى تضم رقم الحموضة ونسبة المواد الصلبة الذائبة الکلیة ونسبة الحموضة والنسبة بین المواد الصلبة الذائبة الکلیة إلى نسبة الحموضة ونسبة العصیر وترکیز الکلوروفیل أ و ب وترکیز الکاروتین. تم حساب المؤشرات اللونیة المختلفة مثل شدة وترکیز وکثافة الصورة ودلیل مقاومة المناخ المرئى ونسبة اللون الأحمر إلى الأخضر. لقد تم عمل تحلیل لونى للصور التى تم إلتقاطها بالکامیرا الرقمیة بداخل صندوق مکعب طول ضلعه  30 سم " ومغطى باللون الأسود من الخارج والداخل لتقلیل إنعکاس الضوء. تم معالجة الصور بواسطة برنامج ACDSee  وذلک حتى یتحول امتداد الصورة إلى TIFF وبعد ذلک استخدم برنامج Envi لتحلیل الصورة و الحصول على اللون الأحمر والأخضر والأزرق للصورة ثم اشتقاق المؤشرات اللونیة المختلفة ویمکن تلخیص النتائج المتحصل علیها کالتالى:
وجدت علاقة إرتباط قویة بین الخواص الکیمیائیة للثمار وبین المؤشرات اللونیة للصورة وکانت أعلى قیم مع دلیل شدة الصورة ثم VARI بینما باقى المؤشرات أعطت قیم أقل لمعامل الإرتباط وذلک خلال فترات النضج.
وجد أن هناک علاقة بین کل من المؤشرات اللونیة والصفات الکیمیائیة حیث أعطى دلیلشدة الصورة أعلى قیمة لمعامل التقدیر مع tss (0.97) تلاه الدلیل VARI (0.94) بینما المؤشر R/Gاعطى قیم أقلمع  معظم الخواص الکیمیائیة.
التوصیات:

یمکن إستخدام تقنیة تحلیل الصور  کمؤشر لتمییز درجات النضج لثمار البرتقال.
وجد أن دقة إستخدام مؤشرات القیاس اللونیة اختلفت طبقا للصفات الکیمیائیة واللونیة ویمکن إستخدام  المؤشر VARI للتنبؤ بالمراحل المختلفة لنضج ثمار البرتقال.
یمکن التنبؤ بقیم بعض الصفات الکیمیائیة  مثل نسبة tss إلى نسبة الحموضة وترکیز الکلوروفیل وترکیز الکاروتین من خلال معادلات تربط بن المؤشرات اللونیة مثل دلیل شدة الصورة ، VARI.

Abdesselam, A. and R. Abdullah (2000). Pepper berries grading using artificial neural networks. In TENCON 2000. Proceedings, 2: 153–159.
Ahmad, U.; R. Tjahjohutomo and A. Nurhasanah (2010). Development of automatic grading machine prototype for citrus using image processing. Australian Journal of Agricultural Engineering, 1(5):165-169.
Blasco, J.; N. Aleixos and E. Molt (2009).Machine vision system for automatic quality grading of fruit. Biosystems Engineering, 85 (4): 415–423.
Brosnan, T. and D. Sun (2002). Inspection and grading of agricultural and food products by computer vision systems.  Computers and Electronics in Agriculture, 36: 193-213.
Dere, S.; T. Günes, and R. Sivaci (1998). Spectrophotometric determination of chlorophyll a, b and total carotenoid contents of some algae species using different solvents. Tr. J. of Botany, 22: 13-17.
FAOSTAT (2013). Orange production. Available from /http://faostat.fao.orgs.
Gitelson A. A.; Y Kaufman; R. Stark and D. Rundquist (2002). Novel algorithms for remote estimation of vegetation fraction. Remote Sensing of Environment, 80: 76-87.
Ismail W. I. W. and M. H. Razali (2012). Machine vision to determine agricultural crop maturity. Trends in Vital Food and Control Engineering. ISBN 978-953-51-0449-0: 115-124.
Khojastehnazhand M.; M. Omid and A. Tabatabaeefar (2010). Development of a lemon sorting system based on color and size. African Journal of Plant Science, 4(4): 122-127.
Kondo, N.; U. Ahmed, M. Monta, and H. Murase (2000). Machine vision based quality evaluation of lyokan orange fruit using neural networks. Computers and Electronics in Agriculture, 29(1-2): 135-147.
Leemans, V. ; H. Magein and M.F. Destain (2002). On-line fruit grading according to their external quality using machine vision. Biosyst. Eng., (83): 397–404.
Raji, A. and A. Alamutu (2005). Prospects of computer vision automated sorting systems in agricultural process operations in Nigeria. Agric. Eng. Int.: the CIGR J. Sci. Res. Dev., 7: 1-12.
Wanitchang, J.; A. Terdwongworakul; P. Wanitchang and S. Noypitak (2010). Maturity sorting index of dragon fruit: Hylocereus polyrhizus. Journal of Food Engineering,100: 409–416.