---

---

چکیده میوه سیب از جمله محصولات باغی بسیار ارزشمند از لحاظ غذایی به شمار می آید و تولید آن در کشور ما از جایگاه بالایی در زمینه اشتغال زایی و ارزآوری برخوردار است. از میان فرآورده های این محصول، می توان به برگه خشک شده سیب اشاره کرد که با توجه به افزایش روز افزون روش های تولید صنعتی این فرآورده در کشور، و تقاضای قابل توجهی که در میان عامه مردم از لحاظ مصرف وجود دارد ارائه روش های جداسازی کیفی این محصول پس از ماندگاری طولانی را حائز اهمیتی فراوان نموده است. در مقیاس میکروسکوپیک، سطح داخلی برگه های خشک شده سیب به روش سرمادهی آنی، از دانه های کریستالی مانندی ساخته شده است که هر کدام از شکل و ابعاد متفاوتی نسبت به یکدیگر برخوردار می باشند که در نهایت آرایش آنها در کنار یکدیگر منجر به ایجاد ساختار منحصر بفردی بعد و قبل از کاهش کیفیت ماندگاری خواهد شد. در این تحقیق با استفاده از فنآوری ماشین بینایی، تکنیکی جهت جداسازی آنی این ساختار در طی فرآیند زمانی ثابتی در ارائه شده است. ابتدا عمل رمزگذاری در فرآیند ماشین بینایی جهت شناسایی پارامترهای تعریف شده با استفاده از دو روش تجزیه موجکی نرمال۱ و  تحزیه موجکی بسته ای۲ انجام گردید و در نهایت با استفاده از مقادیر انرژی در تصاویر بعد از رمزگذاری، دسته بندی تصاویر جهت تشخیص برگه های مرغوب خشک شده از برگه های خشک شده بدون کیفیت صورت گرفت. نتایج نشان داد که استفاده از روش بسته های موجکی از قدرت بهتری در رمزگذاری تصاویر نسبت به روش دیگر برخوردار می باشد. آستانه یابی مقادیر فواصل انرژی در تصاویر، روشی کاملا موثر نشان داده شد که می تواند در ۸۶/۰ ثانیه تصاویر ۲۶۰۰×۲۶۰۰ پیکسلی برگه های مرغوب را شناسایی نماید.
۱. Wavelet decomposition ۲. Wavelet packets  

---

  چکیده میوه سیب از جمله محصولات باغی بسیار ارزشمند از لحاظ غذایی به شمار می‌آید و تولید آن در کشور ما از جایگاه بالایی در زمینه اشتغال زایی و ارزآوری برخوردار است. از میان روشهای غیر مخرب کنترل کیفی سیب، فناوری ماشین بینایی چشم اندازی مطمئن برای دستیابی به سرعت، کیفیت ارزیابی بالاتر و حصول بهره وری بیشتر برای این محصول ترسیم نموده است. تشخیص لهیدگی سیب در بسیاری از موارد با تشخیص دمگل همپوشانی داشته و این امر بکارگیری ماشین بینایی را به منظور درجه بندی کیفی سیب با چالش جدی مواجه می نماید. پژوهش حاضر به منظور رفع چالش مذکور و افزایش دقت عملکرد سیستم های درجه بندی سیب صورت پذیرفت. به منظور تحقق این امر دو الگوریتم جداگانه بر اساس رنگ برای شناسایی لهیدگی و دمگل در نرم افزار Matlab طراحی گردید. برای الگوریتم لهیدگی دقت %۱۴/۹۷ و برای الگوریتم دمگل دقت %۱۰۰ بدست آمد. سپس با ادغام این دو الگوریتم یک الگوریتم جامع بدست آمد که دارای دقت %۲۹/۹۴ می باشد. در ادامه آزمایشاتی جهت بررسی احتمالی افزایش دقت در شناسایی لهیدگی با گذشت زمان نگهداری توسط الگوریتم لهیدگی انجام گرفت. نتایج حاکی از آنست که کیفیت تشخیص لهیدگی توسط این الگوریتم به تدریج افزایش یافته و پس از دو تا سه روز به ثبات مطلوبی می رسد. همچنین الگوریتم دیگری که ویژگیهای خاصی از شکل تصاویر لهیدگی و دمگل از جمله میزان گِرد بودن، نسبت مساحت به مربع محیط آن ناحیه و نیز ضریب تغییراتِ (cv) فواصل نقاط روی لبه از مرکز ثقل تصویر را استخراج می نمود، طراحی گردید و سپس همراه با به کارگیری فناوری شبکه های عصبی مصنوعی لهیدگی و دمگل با دقت %۱۰۰ از یکدیگر تمییز داده شدند که اثباتی بر لزوم استفاده از این تکنیک در تلفیق با روش های ماشین بینایی جهت افزایش دقت کارایی دستگاه های درجه بند می باشد.  

---

چکیده        تنوع و فراوانی ویژگی های کیفی محصولات کشاورزی، مهمترین دلیل توسعه انواع روشهای غیر مخرب بوده است. ماشین بینایی و هوش مصنوعی تکنیک های قدرتمندی در تشخیص بسیاری از خصوصیات فیزیکی، مکانیکی و شیمیایی محصولات کشاورزی می باشند. قبل از صادرات معمولا میوه ها از نظر شکل، حجم و وزن درجه بندی می شوند. درجه بندی یک میوه از نظر مزه(ترشی یا شیرینی) به صورت غیر مخرب در امر بازارپسندی و قدرت انتخاب و نحوه کاربرد آن تاثیر بسزایی دارد. در این تحقیق با استفاده از ترکیب تکنیک ماشین بینایی و هوش مصنوعی، مزه پرتقال تامسون تعیین شده است. یک دوربین دیجیتال مدار بسته در یک محفظه ویژه تعبیه شده بود که تحت ارتفاع و نور خاص از نمونه ها بطور عمودی عکس می گرفت. همچنین الگوریتمی(برنامه ای) مبتنی بر هوش مصنوعی برای تشخیص مزه پرتقال تامسون از روی خواص ظاهری در نرم افزار متلب تدوین گردید. نتایج نشان داد که  تعیین مزه  رقم تامسون با استفاده از دو روش فازی-عصبی و عصبی-ژنتیک به ترتیب  با دقت های ۶۷/۹۶ و ۹۰  درصد، به صورت غیر مخرب امکان پذیر است.

---

 
چکیده
در این پژوهش اثر افزودن صمغ فارسی و پودر تفاله هویج به فرمولاسیون دونات به منظور تهیه یک فرآورده کم‌چرب با محتوی فیبری بالا و ویژگی‏های حسی مطلوب با استفاده از شیوه سطح پاسخ و با یک طرح چرخش‏پذیر مرکب مرکزی موردبررسی قرار گرفت. متغیرهای مستقل شامل صمغ فارسی (%۵/۱-۰)، پودر تفاله هویج (%۱۵-۰) و آب (%۵۳-۳۸) بود. متغیرهای وابسته شامل ویژگی‏های بافت سطحی، شاخص‏های رنگ پوسته، ویژگی‏های ساختار مغز و ویژگی‏های حسی دونات بود. نتایج نشان داد با افزودن پودر تفاله هویج به فرمولاسیون، زبری سطح نمونه‏های دونات افزایش یافته و ویژگی‏های ساختار مغز افت می‏کنند (۰۵/۰>p). آب فرمولاسیون دارای یک تأثیر منفی درجه دوم معنی‏داری بر ساختار مغز دونات بود (۰۵/۰>p). همچنین یک اثر متقابل قابل‌توجه بین آب و پودر تفاله هویج بر ویژگی‏های ساختار مغز مشاهده شد (۰۵/۰>p). با افزایش سطح پودر تفاله هویج و کاهش سطح آب فرمولاسیون، شاخص L^* سطح نمونه‏ها کاهش و شاخص a^* سطح آن‌ها افزایش یافت (۰۵/۰>p). همچنین نتایج ارزیابی حسی نشان داد با افزودن سطوح بالاتر پودر تفاله هویج نمرات پذیرش مصرف‌کننده کاهش معنی‌دار یافت (۰۵/۰>p). نتایج آنالیز همبستگی به‌خوبی نشان داد شاخص‏های بینایی، همبستگی قوی (۰۵/۰>p) با ویژگی‏های حسی دونات داشتند که بیان‌کننده توانایی تکنیک‏های پردازش تصویر در پیش‌بینی پذیرش مصرف‌کننده بود. شیوه سطح پاسخ نشان داد دونات با فرمولاسیون بهینه شامل %۱۷/۱ صمغ فارسی، %۴۴/۷ پودر تفاله هویج و%۲۹/۴۸ آب دارای محتوی فیبری بالا، محتوی روغن کاهش‌یافته و ویژگی‏های حسی قابل قبولی بود.

---

چکیده در این پژوهش، یک سیستم بینایی کامپیوتری به‌منظور بررسی ارتباط بین ویژگی‏های تصویری نمونه‏های مختلف آرد گندم با محتوی خاکستر آن‏ها مورداستفاده قرار گرفت. ویژگی‏های تصویری سطح نمونه‏های آرد شامل شاخص‏های رنگی (L^*، a^*و b^*) و شاخص‏های ماتریس هم-رخداد سطح خاکستری (GLCM) (تباین، انرژی، همبستگی، همگنی و انتروپی) بود. نتایج نشان داد شاخص‏های تصویری به استثنای همبستگی، ارتباط خطی معنی‏داری با محتوی خاکستر نمونه‏ها داشتند. با این وجود، با توجه به ضرایب تعیین پایین مدل‏های خطی، به منظور برآورد محتوی خاکستر، مدل‏های چندجمله‏ای درجه دوم به داده‏ها برازش شد. نتایج آنالیز واریانس نشان داد که مدل‏های درجه دوم برازش شده به استثنای همبستگی، معنی‏دار و ضریب تعیین مدل‏های معنی‏دار به استثنای مدل‏های مربوط به L^*، a^* و انرژی رضایت‌بخش (۷۵<R^۲) بود. همچنین نتایج اعتبارسنجی مدل‏ها حاکی از عملکرد خوب مدل‏های درجه دوم پیشنهادشده در برآورد محتوی خاکستر نمونه‏های جدید آرد گندم ‏بود.

---

آزمون مودال یکی از روش‌های کاربردی جهت شناسایی ویژگی‌های دینامیکی سازه‌ها می‌باشد. بازرسی عملکرد سازه جهت جلوگیری از قرار گیری در شرایط تشدید و تخریب، از طریق انجام این آزمون و به دست آوردن مودهای ارتعاشی، امکان پذیر می‌باشد. با توجه به این‌که هر نقطه از سازه تحت ارتعاش، دارای جابجایی، سرعت و شتاب خاص است، با اندازه گیری هرکدام از این سه مورد در یک بازه زمانی مشخص و پردازش داده‌های مربوط به آن، می‌توان پارامترهای مودال سازه را به دست آورد. در این تحقیق از روش غیر تماسی بینایی استریو جهت داده برداری از پره توربین بادی ۵/۲ کیلو وات به طول ۳ متر، تحت آزمون مودال عملیاتی، استفاده شده است. ابتدا فرایند کالیبراسیون دوربین‌ها و سپس استخراج داده‌های سه بعدی از تصاویر ضبط شده حین آزمون، صورت گرفته است و پس از آن با تحلیل داده‌ها، پارامترهای مودال پره استخراج گردیده. در آخر، پارامترهای مودال به دست آمده توسط سیستم بینایی استریو با پارامترهای مودال به دست آمده از دو روش آنالیز المان محدود و آزمون شتاب سنج مقایسه شده‌اند و مشخص شد سیستم بینایی جهت یافتن فرکانس طبیعی اولین مود مناسب بوده و از صحت کافی برخوردار است. همچنین فرکانس طبیعی اولین مود در مقایسه با نتایج المان محدود و روش شتاب سنج، به ترتیب ۱۰,۳۶% و ۲.۶۷% اختلاف نشان داده است.