کشمش ﯾﮑﯽ از ﻣﺤﺼﻮﻻت ﻣﻬﻢ ﮐﺸﺎورزی اﺳﺖ ﮐﻪ از ﺧﺸﮏ ﮐﺮدن اﻧﮕﻮر ﺑﺪﺳﺖ ﻣﯽآﯾﺪ. در ﺣﺎل ﺣﺎﺿﺮ، درجه بندی ﮐﺸﻤﺶ و ﺗﻌﯿﯿﻦ درﺻﺪ اﻧﻮاع ﻣﺨﺘﻠﻒ ﮐﺸﻤﺶ در ﯾﮏ ﻧﻤﻮﻧﻪ و ﻫﻤﭽﻨﯿﻦ ﺗﺸﺨﯿﺺ دم‌دار ﺑﻮدن و ﯾﺎ نبودن آن ﺑﻪ ﺻﻮرت دﺳﺘﯽ اﻧﺠﺎم ﻣﯽﮔﯿﺮد و ﻣﺴﺘﻠﺰم ﺻﺮف زﻣﺎن زﯾﺎدی است.
ﻣﺤﺼﻮﻻت ﺟﺎﻧﺒﯽ ﮐﻪ از اﻧﮕﻮر ﺑﺪﺳﺖ ﻣﯽآﯾﺪ ﺷﺎﻣﻞ آﺑﻐﻮره، ﺳﺮﮐﻪ، ﺷﯿﺮه اﻧﮕﻮر، ﺷﺮﺑﺖ و ﮐﺸﻤﺶ اﺳﺖ. ﻃﻌﻢ، ﻣﺰه و ﻣﻮاد ﻣﻐﺬی ﻣﻮﺟﻮد در اﻧﮕﻮر از ﻋﻮاﻣﻞ ﻣﻬﻢ ﻣﻘﺒﻮﻟﯿﺖ اﯾﻦ ﻣﺤﺼﻮل ﻫﻢ ﺑﻪ ﺻﻮرت ﺗﺎزهﺧﻮری و ﻫﻢ ﺑﻪ ﺻﻮرت ﻓﺮآوری ﺷﺪه‌ی آن اﺳﺖ.
از روش‌های ﺑﯿﻨﺎﯾﯽ ﻣﺎﺷﯿﻦ ﺑﺮای درجه بندی ﮐﺸﻤﺶ اﺳﺘﻔﺎده می کنند، اﻟﮕﻮرﯾﺘﻢ اﯾﻦ ﻣﻘﺎﻟﻪ، ﺗﻘﺴﯿﻢﺑﻨﺪی ﭘﺲزﻣﯿﻨﻪ، اﻧﺘﺨﺎب ﮐﺸﻤﺶ و اﺳﺘﺨﺮاج وﯾﮋﮔﯽ را ﺷﺎﻣﻞ می‌شود. در اﯾﻦ روش، اﺑﺘﺪا ﺑﺎ ﺣﺬف ﭘﺲ زﻣﯿﻨﻪ از ﺗﺼﺎوﯾﺮ ﮔﺮﻓﺘﻪ ﺷﺪه، ﮐﺸﻤﺶ را اﺳﺘﺨﺮاج ﻣﯽﮐﻨﺪ.
ﺳﭙﺲ ﮐﺸﻤﺶ را ﺑﺮ اﺳﺎس رﻧﮓ آﻧﻬﺎ ﻃﺒﻘﻪ ﺑﻨﺪی ﻣﯽﮐﻨﺪ. ﻣﺮﺣﻠﻪی آﺧﺮ، اﻟﮕﻮرﯾﺘﻢ روﺷﻦ و ﺧﺎﻣﻮش ﮐﺮدن ﻣﮑﺎﻧﯿﺰم ﻣﺮﺗﺐﺳﺎزی اﺳﺖ ﮐﻪ ﺑﺮای ﻣﺮﺗﺐﺳﺎزی ﺧﻮدﮐﺎر اﺳﺘﻔﺎده ﻣﯽﺷﺪ.
ﻧﻘﻄﻪ ﺿﻌﻒ این نوع اﻟﮕﻮرﯾﺘﻢ ﭘﯿﺸﻨﻬﺎدی در اﯾﻦ اﺳﺖ ﮐﻪ در ﺻﻮرﺗﯽ ﮐﻪ ﮐﺸﻤﺶ دارای دم ﺑﺎﺷﺪ و ﯾﺎ اﯾﻨﮑﻪ رﻧﮓ ﮐﺸﻤﺶها ﯾﮑﺴﺎن ﺑﺎﺷﺪ وﻟﯽ اﻧﺪازه ﻣﺘﻔﺎوﺗﯽ داﺷﺘﻪ ﺑﺎﺷﻨﺪ ﻗﺎﺑﻠﯿﺖ ﺗﻔﮑﯿﮏ را ﻧﺨﻮاﻫﺪ داﺷﺖ.
ﻣﺎﺷﯿﻦ ﺑﯿﻨﺎﯾﯽ، اﺑﺰار ﻗﺪرﺗﻤﻨﺪی اﺳﺖ ﮐﻪ در ﺣﻮزه‌یﮐﺸﺎورزی ﮐﺎرﺑﺮدﻫﺎی ﻓﺮاواﻧﯽ دارد ﮐﻪ از ﻣﯿﺎن آنﻫﺎ ﻣﯽﺗﻮان ﺑﻪ ﺗﺠﻬﯿﺰ ﻣﺎﺷﯿﻦآﻻت ﺑﺮش ﻋﻠﻒ ﻫﺮز ﺑﻪ ﺳﯿﺴﺘﻢ ﭘﺮدازش ﺗﺼﻮﯾﺮ ﺑﺮای ﺷﻨﺎﺳﺎﯾﯽ و ﺗﻤﺎﯾﺰ ﻋﻠﻒ ﻫﺮز از ﮔﯿﺎه زراﻋﯽ، اﺳﺘﻔﺎده از ﺳﻨﺴﻮرﻫﺎی ﻧﻮری ﺑﺮای ﺳﻮرﺗﯿﻨﮓ و درﺟﻪﺑﻨﺪی ﻣﯿﻮهﻫﺎ ﺑﺮاﺳﺎس درﺻﺪ رﺳﯿﺪﮔﯽ و رﻧﮓ، ﭘﯿﺶﺑﯿﻨﯽ ﻋﻤﺮ ﻣﺎﻧﺪﮔﺎری ﻣﺤﺼﻮﻻت ﮐﺸﺎورزی و داﻣﯽ، اﻧﺘﺨﺎب زﻣﯿﻦﻫﺎی ﺣﺎﺻﻠﺨﯿﺰ، ﺷﻨﺎﺳﺎﯾﯽ ارﻗﺎم و وارﯾﺘﻪها و ﺑﺴﯿﺎری ﻣﻮارد دﯾﮕﺮ اﺷﺎره ﮐﺮد. ﻣﺰاﯾﺎی اﺳﺘﻔﺎده از ﻓﻨﺎوری ﺗﺼﻮﯾﺮﺑﺮداری، دﻗﯿﻖ، ﻏﯿﺮﻣﺨﺮب و ﻋﻤﻠﮑﺮد ﺑﻬﺘﺮ آن است.
در اﯾﻦ ﻣﻘﺎﻟﻪ، ﻫﺪف، اراﺋﻪ اﻟﮕﻮرﯾﺘﻤﯽ ﻣﺆﺛﺮ و ﺗﻮاﻧﻤﻨﺪ ﺑﺎ اﺳﺘﻔﺎده از تکنیک‌های ﭘﺮدازش ﺗﺼﻮﯾﺮ در ﺣﻮزه ﺑﯿﻨﺎﯾﯽ ﻣﺎﺷﯿﻦ ﺑﺮای درﺟﻪﺑﻨﺪی ﮐﺸﻤﺶ و ﻫﻤﭽﻨﯿﻦ ﺗﺸﺨﯿﺺ و ﺗﻌﯿﯿﻦ درﺻﺪ ﮐﺸﻤﺶﻫﺎی دم‌دار در انواع درﺟﻪﺑﻨﺪی ﻣﺸﺨﺺ ﺷﺪه است.
ﺟﻬﺖ ﺗﺠﺰﯾﻪ و ﺗﺤﻠﯿﻞ اﻟﮕﻮرﯾﺘﻢ اراﺋﻪ ﺷﺪه ﺑﺎ ﺗﻬﯿﻪ ﻋﮑﺲ از ﻧﻤﻮﻧﻪﻫﺎی ﻣﺨﺘﻠﻔﯽ از اﻧﻮاع ﮐﺸﻤﺶ و اﺟﺮای اﻟﮕﻮرﯾﺘﻢ ﭘﯿﺸﻨﻬﺎدی ﺑﺮ روی اﯾﻦ ﻧﻤﻮﻧﻪﻫﺎ و ﻣﻘﺎﯾﺴﻪ ﻧﺘﺎﯾﺞ ﺑﺎ روش‌های دﺳﺘﯽ ﻋﻤﻠﮑﺮد اﻟﮕﻮرﯾﺘﻢ ﻣﻮرد ارزﯾﺎﺑﯽ ﻗﺮار ﻣﯽﮔﯿﺮد.
در اﯾﻦ ﻣﻄﺎﻟﻌﻪ، الگوریتم‌های ﭘﯿﺸﻨﻬﺎدی ﺟﻬﺖ درﺟﻪﺑﻨﺪی ﮐﺸﻤﺶ و ﻫﻤﭽﻨﯿﻦ ﺗﺸﺨﯿﺺ دم‌دار ﺑﻮدن و ﯾﺎ نبودن آن اراﺋﻪ ﺷﺪﻧﺪﮐﻪ ﺑﺎﻋﺚ ﻣﯽﺷﻮﻧﺪ اﯾﻦ ﮐﺎر ﺑﻪ ﺻﻮرت ﮐﺎﻣﻼ اﺗﻮﻣﺎﺗﯿﮏ و ﺑﺎ ﺳﺮﻋﺖ ﺑﺎﻻ اﻧﺠﺎم ﮔﯿﺮد.
در اﻟﮕﻮرﯾﺘﻢ ﭘﯿﺸﻨﻬﺎدی، ﻋﺪم ﯾﮑﻨﻮاﺧﺘﯽ ﭘﺲ زﻣﯿﻨﻪ ﺗﺼﻮﯾﺮ، ﺳﺒﺐ دﺷﻮار ﻧﻤﻮدن ﺟﺪاﮐﺮدن ﮐﺸﻤﺶﻫﺎ از ﺗﺼﻮﯾﺮ ﻣﯽﺷﻮد ﻟﺬا از ﻋﻤﻠﮕﺮﻫﺎی ﻣﻮرﻓﻮﻟﻮژی(در اﯾﻨﺠﺎ از ﻋﻤﻠﮕﺮ ﻣﻮرﻓﻮﻟﻮژی ﺑﺎز ﮐﺮدن ﮐﻪ ﺷﺎﻣﻞ اﻋﻤﺎل ﮐﺎﻫﺶ و ﺳﭙﺲ ﮔﺴﺘﺮش ﻫﺮ دو ﺑﻪ ﮐﻤﮏ ﯾﮏ ﻣﺎﺳﮏ ﻣﺸﺘﺮک است) ﺟﻬﺖ ﺗﺨﻤﯿﻦ ﭘﺲ زﻣﯿﻨﻪ اﺳﺘﻔﺎده ﺷﺪه و در ﻧﻬﺎﯾﺖ ﺑﺎ ﺗﻔﺮﯾﻖ آن از ﺗﺼﻮﯾﺮ اﺻﻠﯽ، ﺗﺼﻮﯾﺮ ﯾﮑﻨﻮاﺧﺘﯽ اﯾﺠﺎد ﺧﻮاﻫﺪ ﺷﺪ.
در اداﻣﻪ ﭘﺲ ازﺑﻬﺒﻮد وﯾﮋگی‌های ﺗﺼﻮﯾﺮ (ﺑﻪ وﺳﯿﻠﻪ آﺳﺘﺎﻧﻪﮔﯿﺮی و اﻓﺰاﯾﺶ ﮐﻨﺘﺮاﺳﺖ)، اﺳﺘﺨﺮاج ﮐﺸﻤﺶﻫﺎی ﻣﻮﺟﻮد در ﺗﺼﻮﯾﺮ ﺑﻪ ﮐﻤﮏ ﺗﻮاﺑﻊ ﭘﯿﺪا ﮐﺮدن اﺟﺰای ﻣﺘﺼﻞ در ﺗﺼﻮﯾﺮ دودویی و ﺑﺮﭼﺴﺐﮔﺬاری ﻣﻮﻟﻔﻪﻫﺎی ﻣﺘﺼﻞ در ﺗﺼﻮﯾﺮ اﻧﺠﺎم ﻣﯽﮔﯿﺮد ﮐﻪ اﻟﺒﺘﻪ اﺳﺘﻔﺎده از ﺗﺎﺑﻊ ﭘﯿﺪا ﮐﺮدن اﺟﺰای ﻣﺘﺼﻞ در ﺗﺼﻮﯾﺮ دودوﯾﯽ ﺑﻪ دﻟﯿﻞ اﯾﻨﮑﻪ ﺣﺎﻓﻈﻪ ﮐﻤﺘﺮی را اﺷﻐﺎل ﻧﻤﻮده و دارای ﺳﺮﻋﺖ اﺟﺮای ﺑﺎﻻﺗﺮی ﻧﯿﺰ است ﻣﻌﻤﻮﻻ ﺑﯿﺸﺘﺮ اﺳﺘﻔﺎده ﻣﯽﮔﺮدد.
ﭘﺲ از ﺟﺪاﻧﻤﻮدن اﺟﺰاء ﺑﻪ ﻫﻢﭘﯿﻮﺳﺘﻪ ﺗﺼﻮﯾﺮ ﮐﻪ ﻫﻤﺎن ﮐﺸﻤﺶﻫﺎ هستند ﺑﻪ ﮐﻤﮏ ﺗﺎﺑﻊ اﻧﺪازهﮔﯿﺮی، وﯾﮋﮔﯽﻫﺎی ﻣﻨﺎﻃﻖ ﺗﺼﻮﯾﺮ، ﺑﺮﺧﯽ از وﯾﮋگی‌های ﮐﺸﻤﺶﻫﺎ ﻧﻈﯿﺮ ﻣﺴﺎﺣﺖ، ﻗﻄﺮ اﺻﻠﯽ، ﻗﻄﺮ ﻓﺮﻋﯽ، داﻧﺴﯿﺘﻪ و ….. را ﻣﺤﺎﺳﺒﻪ ﻣﯽکنند.
در ﻧﻬﺎﯾﺖ ﺑﺎ ﻣﻘﺎﯾﺴﻪ ﺑﺮﺧﯽ از وﯾﮋﮔﯽﻫﺎی ﻣﺤﺎﺳﺒﻪ ﺷﺪه ﻧﻈﯿﺮ ﻧﺴﺒﺖ قطر اﺻﻠﯽ ﺑﻪ ﻗﻄﺮ ﻓﺮﻋﯽ ﮐﻪ در ﮐﺸﻤﺶﻫﺎی درﺟﻪ ﯾﮏ، ﻣﻘﺪار ﺑﯿﺸﺘﺮی داﺷﺘﻪ و در ﮐﺸﻤﺶﻫﺎی درﺟﻪ دو، ﻣﻘﺪار ﮐﻤﺘﺮی را دارا هست و ﻫﻤﭽﻨﯿﻦ ﻣﻘﺎﯾﺴﻪ ﻣﺴﺎﺣﺖ دانهﻫﺎی ﮐﺸﻤﺶ ﺑﺎ ﯾﮑﺪﯾﮕﺮ، ﮐﺸﻤﺶ ﻫﺎی درﺟﻪ ﯾﮏ و دو ﺟﺪا و ﻫﻤﭽﻨﯿﻦ درﺻﺪ آنﻫﺎ در ﯾﮏ ﻧﻤﻮﻧﻪ ﻣﺸﺨﺺ ﻣﯽﮔﺮدد.
منبع: خزاعی فدافن، مسعود و سیدحسین استیری(1402)؛ طراحی ﺳﯿﺴﺘﻤﯽ اﺗﻮﻣﺎﺗﯿﮏ ﺟﻬﺖ درﺟﻪ ﺑﻨﺪی ﮐﺸﻤﺶ و ﺗﻌﯿﯿﻦ درﺻﺪ دم دارﺑﻮدن آن ﺑﺎ اﺳﺘﻔﺎده از ﺗﮑﻨﯿﮏ ﻫﺎی ﭘﺮدازش ﺗﺼﻮﯾﺮ؛ نشریه‌ی نوآوری در علوم و فناوری غذایی، دوره پانزدهم، شماره‌ی سوم.
