تشخیص زودهنگام آسیب سرمازدگی و یخ‌زدگی در پرتقال با روش تصویربرداری غیرمخرب بایواسپیکل

STUDENT

DEGREE

YEAR

Orange was the fifth produced crop in 2016 and it has been produced in many countries, including Iran. Fresh oranges stored, traorted and shipped around the world and used for agricultural industries, this indicates the importance of this fruit. On the other hand, frost damage and chilling injury (CI) are most fruit damages occurred during the cold chain management. When fruits exposed to temperatures below 10 °C to 12 °C, CI occurred whereas the freezing damage is a different phenomenon where there is the formation of ice crystals in fruit tissue. Both of these damages cause the unwanted physiological dysfunction. Freeze-damaged oranges are conventionally detected by iectors who look for the damaged flesh in the fruit using the segment cut method. This method requires at least 2 weeks after occurring the damage. Biospeckle laser (BSL) imaging is a rapid, efficient, and non-destructive technique for predicting the quality indices of agricultural materials. In this research, frost damage and CI were tried to be detected using the BSL. BSL setup was designed using a digital camera, polyurethane cover, optomechanical instruments, diode laser (5 mW, 638 nm) and solid-state laser (40 mW, 655 nm) used for back-scattered (BS) and forward-scattered (FS) arrangements, respectively. For each dataset, 41 frames were recorded over a period of 50 ms and biospeckle activity (BA) was saved as a sequential stack in a computer. Four temperature treatments considered to simulate sound, chilled, moderate freezing (FL1), and extreme freezing (FL2) conditions, respectively. For determining the CI and different levels of freeze damage, segment cut method was applied and then the visible images were acquired using a special light box. Biospeckle image analysis was carried out graphically and numerically. Graphical analysis was performed by using Fuji algorithm and it showed the high ability to determine the sound, chilled and frozen areas through the fruit. The results showed that the BA was a function of changes in the volume of water with respect to temperature. By starting the chilling, the BA increased and reached its highest level in the full chilled samples. But by starting the freezing, the BA declined sharply where for the severe freeze damage samples, the BA was close to zero. Numerical analysis was used to attribute extracted features from the biospeckle images to the class of samples. First, the images were converted to 8-bit grayscale, and then 300 points with Gaussian distribution were used to construct a time history of speckle pattern (THSP). The Co-occurrence matrix (COM) was formed to evaluate the dispersion of consecutive pixels in a THSP. Finally, 12 features were obtained from the COM. Different supervised pattern recognition methods including SIMCA, LDA, QDA, ANN, and SVM methods were used to classify samples into four different classes including sound, chilled, FL1, and FL2. The best result was achieved using the ANN method with a topology of 12-4-4 for FS arrangement with a total accuracy of 100%. NUMAD1 and NUMAD2 features were evaluated as the most effective variables for the extracting the best model. Key Words BSL, Forward-scatter, Orange, CI, Freeze damage, ANN, THSP, COM, Fujii algorithm

پرتقال پنجمین محصول از نظر تولید جهانی در سال 2016 بوده است و در کشورهای بسیاری از جمله ایران تولید می‌شود. پرتقال سهم زیادی از تجارت میوه‌ی تازه را به خود اختصاص می‌دهد و از میوه‌های پرکاربرد در صنایع تبدیلی کشاورزی به حساب می‌آید. از طرف دیگر، یکی از مهم‌ترین آسیب‌هایی که برای محصولات کشاورزی در زمستان یا به هنگام نگهداری در انبار‌ها یا سردخانه‌ی کشتی‌های حمل مواد غذایی رخ می‌دهد، سرمازدگی و یخ‌زدگی است. زمانی که میوه در معرض دماهای بالای صفر تا 10-12 درجه سلسیوس قرار می‌گیرد، سرمازدگی رخ می‌دهد. از طرف دیگر، آسیب یخ‌زدگی در دماهای زیر صفر درجه سلسیوس همراه با تشکیل بلورهای یخ در بافت میوه بوجود می‌آید. روش اندازه‌گیری مرسوم برای تعیین میزان آسیب، مشاهده‌ی سطح برش خورده‌ی میوه حداقل پس از 2 هفته است که به دلیل زمان‌بر بودن و وابستگی به حس انسان، این روش دارای مشکلات مخصوص به خود است. از طرف دیگر، روش تصویربرداری لیزر بایواسپیکل، یک روش کارآمد و غیرمخرب در پیش‌بینی پارامترهای کیفی محصولات غذایی و کشاورزی معرفی شده است. در این پژوهش، سعی شد با استفاده از روش تصویربرداری لیزر بایواسپیکل وجود سرمازدگی و سطح یخ‌زدگی به صورت غیرمخرب تعیین شود. به این منظور یک سامانه‌ی تصویربرداری لیزر بایوسپیکل طراحی شد. اجزای سامانه شامل یک دوربین صنعتی، دو لیزر با طول موج‌های 638 و 655 و توان‌های به ترتیب 5 و 400 میلی‌وات برای پرتودهی در دو وضعیت پس‌پراکنشی و پیش‌پراکنشی و ابزارهای اپتومکانیکی که بر روی میز اپتیکی سوار می‌شدند، بودند. از روکش چرمی از جنس پلی‌اورتان برای جلوگیری از ورود نور محیط به دوربین استفاده شد. در چینش پس‌پراکنشی نور لیزر با زاویه‌ی 30 درجه به نمونه برخورد کرده و به دوربین که عمود بر نمونه قرار گرفته بود، می‌رسید. در چینش پیش‌پراکنشی لیزر، نمونه و دوربین در یک راستا قرار داشتند و نور عبور کرده از نمونه ثبت می‌شد. با روش آزمون و خطا زمان آشکارسازی مناسب برای دو چینش پس‌پراکنشی و پیش‌پراکنشی به ترتیب 60000 و 600000 بدست آمد. تعداد 41 فریم با فاصله‌ی زمانی 50 میلی ثانیه برای هر دو چینش از هر نمونه تهیه شد. در کل از 209 نمونه که به 4 کلاس سالم، سرمازده، یخ‌زده‌ی سطح 1 و یخ‌زده‌ی سطح 2 تقسیم شدند، برای انجام آزمایشات و مدل‌سازی استفاده شد. پس از تهیه‌ی تصاویر بایواسپیکل، نمونه‌ها درون محفظه‌ی نور قرار گرفتند و از سطح دست‌نخورده و حالت باز شده نمونه، تصاویر مرئی برای تعیین چشمی (مرجع) آسیب به صورت مخرب تهیه شد. تحلیل تصاویر بایواسپیکل به دو صورت عددی و گرافیکی انجام گرفت. تحلیل گرافیکی بوسیله‌ی الگوریتم فوجی انجام و سپس تصویر بدست آمده شبه‌رنگی شد. با مقایسه‌ی تصاویر برش خورده با تصاویر بدست آمده از تحلیل گرافیکی فوجی می توان نتیجه گرفت که این الگوریتم توانایی بالایی در تعیین غیر مخرب مناطق سرمازده و یخ‌زده‌ی میوه را داراست. نتایج نشان داد که روند تغییرات فعالیت بایواسپیکلی برای نمونه‌های سالم، سرمازده، یخ‌زده سطح 1 و یخ‌زده سطح 2 تابعی از تغییرات حجم آب در برابر دما است. با کاهش دما و شروع پدیده سرمازدگی در پرتقال، فعالیت بایواسپیکل افزایش یافت و با کامل شدن سرمازدگی، این فعالیت به بیشترین مقدار خود ‌رسید. با کاهش دما به زیر صفر درجه سلسیوس و شروع فرآیند یخ‌زدگی، فعالیت بایواسپیکل به شدت کاهش یافت به نحوی که با افزایش سطح یخ‌زدگی، فعالیت بایواسپیکل به صفر نزدیک شد. از تحلیل گرافیکی برای تعیین ناحیه‌های سرمازده و یخ‌زده و از تحلیل عددی برای نسبت دادن صفات استخراج شده از تصاویر بایواسپیکل به کلاس نمونه‌ها استفاده شد. در تحلیل عددی ابتدا تصاویر به حالت خاکستری 8 بیتی برده شد و سپس 300 نقطه با توزیع گاوسی برای تشکیل پیشینه‌ی زمانی الگوی اسپیکل (THSP) بکار گرفته شد. از تصویر THSP ماتریس هم‌رخداد (COM) بدست آمد که در آن فعالیت بایواسپیکل با پراکندگی یا تمرکز مقادیر غیرصفر‌ پیرامون قطر اصلی ماتریس متناسب است. برای کمی کردن این پراکندگی در نهایت تعداد 12 صفت از تصاویر استخراج گردید. برای دسته‌بندی کلاس‌های سرمازدگی و یخ‌زدگی از روش‌های مدل سازی نرم و مستقل شباهت‌های بین کلاسی (SIMCA)، تحلیل تفکیک خطی (LDA)، تحلیل تفکیک درجه دوم (QDA)، شبکه‌های عصبی مصنوعی (ANN) و ماشین برار پشتیبان (SVM) و استفاده شد. بهترین نتیجه برای چینش پس‌پراکنشی از روش ANN با ساختار 12-7-4 که منجر به دقت جداسازی کل 17/47 درصد شد. برای چینش پیش‌پراکنشی بهترین نتیجه با روش ANN با ساختار 12-4-4 بدست آمد که منجر به دقت طبقه‌بندی کلها 100 درصد بدست آمد به نحوی که کلیه نمونه‌ها در کلاس‌های مختلف به درستی طبقه‌بندی شدند. همچنین آنالیز حساسیت در چینش پیش‌پراکنشی نشان داد که صفت‌های تجزیه و تحلیل عددی AVD اصلاح شده (NUMAD1) و (NUMAD2) به ترتیب در ساخت مدل بیشترین تأثیر را داشتند. نتایج همچنین نشان از برتری قابل ملاحظه‌ چینش پیش‌پراکنشی نسبت به چینش پس‌پراکنشی در طبقه‌بندی داده‌ها با استفاده از در روش‌های مختلف تحلیل داشت. کلمات کلیدی: بایواسپیکل، پیش‌پراکنشی، پرتقال، آسیب سرمازدگی، شبکه عصبی مصنوعی، THSP، COM، الگوریتم فوجی