تشخيص زودهنگام آسيب‌هاي سرمازدگي و يخ‌زدگي در نارنگي با روش غيرمخرب تصويربرداري ابرطيفي

اصفهان : دانشگاه صنعتي اصفهان

كشاورزي

كارشناسي ارشد

نارنگي به عنوان يكي از مهم‌ترين مركبات در جهان از اهميت اقتصادي و سلامتي بالايي برخوردار است. نارنگي به عنوان يك منبع غني از ويتامين C، آنتي‌اكسيدان‌ها و مواد مغذي مورد توجه قرار مي‌گيرد. ايران در ميزان توليد نارنگي، رتبه دهم را در جهان به خود اختصاص داده است. در نواحي مهم پرورش مركبات، هر ساله سرما و يخ‌زدگي موجب كاهش كمي و كيفي نسبتاً زياد اين محصول مي‌شود. آسيب‌هاي سرمازدگي و يخ‌زدگي مي‌توانند در هر ميوه‌اي روي درخت يا بعد از برداشت در اثر شرايط انبار نامناسب اتفاق بيفتند. در تشخيص سرمازدگي و يخ‌زدگي، معمولاً از روش‌هايي استفاده مي‌شود كه مخرب و زمان‌بر هستند و امكان بازرسي تمام محصولات در خط درجه‌بندي را فراهم نمي‌آورند. در اين پژوهش، امكان استفاده از روش غيرمخرب تصويربرداري ابرطيفي در تشخيص زودهنگام و سريع آسيب‌هاي سرمازدگي و يخ‌زدگي در مركبات بررسي شده است. براي انجام اين پژوهش، 200 عدد نارنگي از بازار محلي تهيه شدند. نمونه‌ها ابتدا تحت تيمارهاي دمايي مختلف قرار گرفتند تا در آن‌ها آسيب سرمازدگي و دو سطح آسيب يخ‌زدگي شبيه‌سازي شود. پس از آن نمونه‌هاي آسيب‌ديده به مدت 24 ساعت در دماي اتاق قرار گرفتند. پس از اندازه‌گيري مشخصه‌هاي فيزيكي (وزن و اندازه) و رنگ (شاخص‌هاي *L، *a و *b)، تصاوير ابرطيفي نمونه‌ها با استفاده از سامانه تصويربرداري ابرطيفي در دو مد بازتابشي و عبوري تهيه شدند. اين سامانه شامل بخش‌هاي اصلي‌ مانند منابع نور با قابليت تنظيم شدت نور، دوربين ابرطيفي مجهز به آشكارساز CCD با توانايي ثبت تصاوير ابرطيفي در طول‌موج‌هاي 400 تا 1100 نانومتر است. از دو شيوه متفاوت تحليل طيفي مبتني بر طيف ميانگين ناحيه متعلق به نمونه و تحليل پيكسل مبنا مبتني بر داده‌هاي طيفي هر پيكسل براي شناسايي و طبقه‌بندي نمونه‌هاي سالم، سرمازده، يخ‌زده سطح 1 و يخ‌زده سطح 2 استفاده شد. در روش طيف ميانگين پس از پيش‌پردازش داده‌هاي طيفي، از روش‌ طبقه‌بندي مدل‌سازي نرم و مستقل شباهت‌هاي بين كلاس (SIMCA) براي طبقه‌بندي نمونه‌ها استفاده شد. در حالي كه در روش پيكسل مبنا از داده‌هاي طيفي هر پيكسل به عنوان ورودي به روش يادگيري عميق براي طبقه‌بندي تشخيص استفاده شد. بهترين نتيجه براي طبقه‌بندي سطوح مختلف آسيب‌هاي سرمازدگي و يخ‌زدگي با روش طيف ميانگين در مد بازتابشي و با استفاده از داده‌هاي خام بدست آمد كه در آن مدل SIMCA مربوط توانست با دقت 100 درصد نمونه‌هاي هر چهار كلاس سالم، سرمازده، يخ‌زده سطح 1 و يخ‌زده سطح 2 را تشخيص دهد. اين در حالي بود كه طيف ميانگين مد عبوري منجر به دقت‌ پايين‌‌تري نسبت به مد بازتابشي شد به نحوي كه بهترين مدل SIMCA در اين وضعيت به كمك پيش‌پردازش مشتق دوم توانست با دقت 89/47 درصد نمونه‌هاي متعلق به دسته آزمون را طبقه‌بندي كند. در تحليل‌هاي پيكسل مبنا، وضعيت تشخيص برعكس تحليل‌هاي مبتني بر طيف ميانگين بدست آمد. در اين حالت مدل يادگيري عميق مبتني بر داده‌هاي مد عبوري با ساختار 666-512-1024-1024-512-256-64-4 منجر به دقت 94/1 درصد در مرحله اعتبارسنجي شد. اين درحاليست كه مدل يادگيري عميق مبتني بر داده‌هاي بازتابشي با ساختار 580-512-1024-1024-512-256-64-4 توانست با دقت 91/7 درصد، پيكسل‌هاي متعلق به چهار كلاس مورد مطالعه را تشخيص دهد. با بكارگيري مدل‌ها بر روي تصاوير هر كلاس و استخراج تصاوير رنگي، نتايج حاكي از قدرت بيشتر وضعيت عبوري در تشخيص آسيب‌هاي سرمازدگي و يخ‌زدگي نارنگي بود.

221204

مكانيك بيوسيستم

مهندسي كشاورزي

دانشگاه صنعتي اصفهان