پيش بيني برخي ويژگي‌هاي كيفي ميوه انبه رقم كلك سرخ با استفاده از پردازش تصاوير رنگي و شبكه‌هاي عصبي مصنوعي

درجه‌بندي ميوه از نظر ويژگي‌هاي كيفي از جمله سفتي، مواد جامد محلول و اسيديته، به‌صورت غيرمخرب در امر بازارپسندي آن تأثير به‌سزايي دارد. در اين پژوهش با استفاده از تركيب تكنيك‌هاي پردازش تصوير و هوش مصنوعي، پيش‌بيني ويژگي‌هاي كيفي انبه رقم كلك‌ سرخ مورد بررسي قرار گرفته است. نمونه‌هاي مورد بررسي در دو تيمار دمايي 5، 15 و تيمار شاهد (24 درجه سانتي‌گراد) به مدت 48 ساعت قرار گرفتند. پس از آن به مدت 14 روز به‌صورت يك روز در ميان تصويربرداري از نمونه‌ها انجام و ويژگي‌هاي رنگي از نواحي مورد نظر در محيط رنگي L*a*b استخراج شدند. پس از هر مرحله تصويربرداري ميزان اسيديته، قند و سفتي بافت اندازه‌گيري شد. به‌منظور بررسي ارتباط بين خصوصيات فيزيكوشيميايي و مشخصه‌هاي تصويري بين نمونه‌ها، شبكه عصبي چندلايه پرسپترون ايجاد و آموزش داده شد. از اين شبكه تربيت شده به‌منظور پيش بيني ويژگي‌هاي فيزيكي از روي مشخصه‌هاي رنگي استفاده شد. متغيرهاي ورودي به شبكه شامل تيمار دمايي در سه سطح (شاهد، 15 و 5 درجه سانتي‌گراد)، كانال‌هاي رنگي (L, a, b) و ميزان انحراف معيار كانال‌هاي رنگي (stdL, stda, stdb) است. متغيرهاي خروجي نيز شامل قند، اسيديته و سفتي بافت است. نتايج حاصل از پيش‌بيني مدل شبكه عصبي نشان داد كه دقت مدل در مرحله آزمون براي پيش‌بيني فاكتورهاي اسيديته، قند و سفتي بافت به‌ترتيب برابر با 45، 85، 88 درصد است؛ بنابراين هرچند دقت مدل شبكه عصبي براي پيش‌بيني اسيديته از روي فاكتورهاي رنگي نمونه هاي انبه پايين بود، اما شبكه عصبي مبتني بر ماشين بينايي قادر به پيش‌بيني فاكتورهاي سفتي و قند با دقت بالا است.