تطبیق حاسوبی للتعرف على الأنماط فی تدریج التمور

نوع المستند : Original Article

المؤلفون

1 طالب دراسات علیا – دکتوراة – قسم هندسة زراعیة – کلیة الزراعة – جامعة عین شمس، مصر.

2 أستاذ الهندسة الزراعیة غیر المتفرغ – کلیة الزراعة – جامعة عین شمس، مصر.

3 أستاذ الاتصالات– کلیة الهندسة – جامعة القاهرة، مصر.

4 مدرس الهندسة الزراعیة – کلیة الزراعة – جامعة عین شمس، مصر.

المستخلص

یعتبر التدریج الیدوی هو الإجراء الحالی فی مصانع التمور،و لکن هذه الطریقة غیر متناسقة لأن کل إنسان لدیه أسلوبه الخاص ویمکن أن تختلف من شخص إلى آخر. وبالتالی ، فإن هذا یؤثر على نوعیة وکمیة الفاکهة التی یمکن استخراجها. فی هذا البحث تم تطویر نموذج جدید لنظام التدریج الآلی للتمورباستخدام اللون،والمساحة، وتعریجات السطح للثمرة.وتم استخدم المنطق الضبابی الاصطناعی باعتباره المصنف.والغرض من هذا النظام هو التدریج  للتمییز بین ثلاث فئات مختلفة من نخیل التمر الفاکهة التی هی  فئة (A)  الدرجة الافضل یلیها الدرجة (B)  و أخیرا الدرجة (C). نظام التدریج یستخدم جهاز کمبیوتر و ماسح ضوئی عادی لتحلیل وتفسیر الصور کمکافئ للعین البشریة والعقل. تم تطویر برنامج الکمبیوتر باستخدام لغةMATLAB : . ویستند حساب فئة الثمرة على مساحة الثمرة، و متوسط ​​کثافة اللون على أساس نموذج الألوان RGB، و التعریجات على سطح الثمرة. تستخدم عملیة صنع القرار المنطق الضبابی لتدریب البیانات وإجراء تصنیف التمور . تم استخدام ما مجموعه 570 ثمرة لبناء و تدریب النظام. وقد تم تطویر هذا البرنامج قادرا على التمییز بین ثلاث فئات مختلفة من التمر تلقائیا. اثبت النظام کفاءة بنسبة 99.8 ٪. تقدم هذه الورقة نظاما جدیدا لتدریج ثمار التمر على نطاق واسع .

AlHomedey. A (2011). Fuzzy Image Analysis and Classification of Agricultural Produce: A Case Study of Dates (Phoenix Dactylifera). Master thesis, Southern Illinois University
ALJanobi, A. (1993). Machine Vision Inspection of Date Fruits. Ph.D. Thesis, Oklahoma State University.
AlOhali, Y., (2011). Computer vision based date fruit grading system: Design and implementation. Journal of King Saud University – Computer and Information Sciences 23, pp29–36.
Bezdek, J. C. (1981). Pattern Recognition with Fuzzy Objective Function Algorithms, Plenum, NY.
Canny, J. F. (1986). A computational Approach to Edge Detection. IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 8, pp. 679-698.
Duda, R., P. Hart, D. Stork, (2001). Pattern Classification 2nd edition, Wiley Interscience.
FAOSTAT (2010) – Statistics Database. Retrieved 1/9/2012, from http://faostat.fao.org.
Fukunaga, K. (1991). Statistical Pattern Recognition, second edition (first edition, 1972), Academic Press, San Diego, CA.
Gonzalez, R. C. and M. G. Thomason. (1978). Syntactic Pattern Recognition: An Introduction, Addison Wesley, Reading.
Gonzalez, R. C. and R.E. Woods. (2008). Digital image Processing 3rd edition. Pearson Prentice Hall.
Pavlidis, T. (1980). Structural Pattern Recognition, Springer-Verlag, NY.
Schalkoff, R. (1992). Pattern Recognition: Statistical, Structural and Neural Approaches, John Wiley and Sons, NY.