سیستم بینایی ماشین یکی از ابزارهای قدرتمند به‌منظور خودکار کردن روش‌های درجه‌بندی محصولات کشاورزی است. در این تحقیق با استفاده از پردازش تصاویر رنگی تهیه‌شده از میوه انبه به تشخیص خرابی‌های ظاهری ناشی از صدمات مکانیکی پرداخته‌شده است. برای این منظور از میان ۸۰ عدد انبه با بازرسی چشمی تعداد ۶۰ نمونه انبه که بر روی آن‌ها لکه‌های سیاه‌رنگ ناشی از آسیب‌های مکانیکی در حین برداشت و جابجایی به وجود آمده بود، تشخیص داده شدند و از هر میوه در شرایط نوردهی یکسان تصویربرداری شد. با استخراج ویژگی‌های رنگی در سه مدل رنگی RGB، HSI و L*a*b* و مقایسه آماری داده‌ها مشخص شد که ویژگی‌های رنگی G و 0.16G/0.5R در محیط رنگی RGB به ترتیب با دقت ۹۰% و ۶/۹۱% و ویژگی‌های رنگیa* و 0.16L*-a*از فضای رنگی L*a*b* به ترتیب با دقت ۳۳/۹۳% و ۱۰۰% قادر به تشخیص بافت آسیب‌دیده می‌باشند. درصد مساحت استخراج‌شده از هر نمونه به‌عنوان معیاری برای درجه‌بندی میوه انبه مورداستفاده قرار گرفت. با استفاده از روش خوشه‌بندی K میانگین نمونه‌ها به دودسته تقسیم‌بندی شدند و نقطه برش بین این دودسته با استفاده از منحنی راک برابر با ۱۱/۳ به دست آمد. مساحت منحنی راک برابر با ۱ به دست آمد که نشان‌دهنده قدرت تفکیک بالای خوشه‌بندی است.

کلمات کلیدی