پردازش تصاویر فراطیفی به منظور تشخیص آلودگی مغز پسته به دو جدایه KK11 و R5 قارچ Aspergillus flavus
نویسندگان
1 عضو هیات علمی/گروه ماشین های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران، کرج، ایران
2 عضو هیات علمی/گروه ماشین های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران، کرج، ایران.
3 عضو هیات علمی/گروه گیاه پزشکی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران.
4 گروه علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه ایالتی کانزاس، منهتن، آمریکا.
5 استادیار، بخش تحقیقات غلات، مؤسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، استان البرز، ایران
6 عضو هیئت علمی/گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ایلام، ایلام، ایران.
7 عضو هیات علمی/گروه ماشین های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران، کرج، ایران.
8 عضو هیات علمی/گروه زیست سامانه ها، دانشکده مهندسی، دانشگاه منی توبا، وینیپگ، کانادا
doi
10.22059/ijbse.2020.299712.665293چکیده
فناوری تصویربرداری فراطیفی به عنوان روشی نوین و موثر در تشخیص آلودگی محصولات کشاورزی به کار میرود. این روش برای تشخیص پسته سالم و آلوده به قارچ Aspergillus flavus با و بدون در نظر گرفتن مراحل آلودگی، مورد استفاده قرار گرفت. جدایههای R5 وKK11 به ترتیب با و بدون قابلیت تولید سم آفلاتوکسین، به طور جداگانه، برای آلودهسازی پسته استفاده شد. از بین طول موجهای 960 تا 1700 نانومتر، سه طول موج موثر 1090، 1280، و 1700 نانومتر با استفاده از روش تحلیل مولفههای اصلی انتخاب شد. پس از استخراج ویژگی، از روشهای اعتبارسنجی K-بخشی، ماشین بردار پشتیبان، و شبکه عصبی مصنوعی برای طبقهبندی استفاده شد. نتایج نشان داد که دقت روش اعتبارسنجی K-بخشی در طبقهبندی نمونههای پسته سالم و آلوده بدون در نظر گرفتن مراحل آلودگی و نوع جدایه (71/99 درصد) بالاتر بود. حداکثر دقت طبقهبندی الگوریتمهای توسعه یافته در تشخیص نوع جدایه و مراحل آلودگی 69 تا 91 درصد به دست آمد.
