مكانيابی و تشخيص گل زعفران با استفاده از تكنيک‌هاي پردازش تصوير

زعفران يکی از با ارزشترين گياهان زراعی موجود در روی كره زمين میبا شد، كه اين گياه به عنوان گرانترين مح صول ك شاورزی و دارويی جهان جايگاه ويژه ای در بين مح صوالت صنعتی و صادراتی ك شور ايران دارد. يکی از م شکالتی كه در توليد اين گياه وجود دارد، برداشیت به موقع آن از روی زمين و جداسیازی كالله )شیاخه( های قرمز زعفران از بقيه قسیمتهای گل زعفران می باشید، چرا كه عمدتاً گلهای زعفران در يک بازه زمانی ب سيار كوتاه به ثمر میر سند و همچنين بردا شت و جدا سازی آن در اين بازه زمانی محدود ب سيار اهميت دارد. در اين پژوهش، سعی شدها ست كه با ا ستفاده از تکنيکهای پردازش ت صوير به بحث و برر سی نحوه شنا سايی گل زعفران در روی زمين پرداخته شود. در مرحله اول برای شناسايی گل زعفران از تبديالت فضاهای رنگی استفاده نموده، سپس از طريق هيستوگرام و آستانه مينيمم نسبت به بخشبندی و حذف پيکسلهای اضافی اقدام شده است. بدينمنظور، برای شناسايی گل از تبديل فضای RGB به فضای YCbCr و برای ت شخي ساير ا شياء موجود در ت صوير از تركيط فضاهای رنگی HSI و YCgCr ا ستفاده و از هي ستوگرام مؤلفه Cb برای ت شخي اوليه گل زعفران بهره بردهاند. سپس، برخی از پيک سلهايی كه به ا شتباه ت شخي داده شدهاند، با كمک مقدار آ ستانه حذف گرديده اند. در مرحله بعدی، برگهای سوزنیشکل گياه زعفران، كه بر روی گلها قرار گرفتهاند با استفاده از عمليات مورفولوژيک الگوريتم پيشنهادی ترميم و رویهم افتادگی گلها بازسازی شده است. در گام بعدی، نوع گل زعفران )غنچه، شکسته، گل باز شده( تعيين گرديده و قابل برداشت بودن و يا مناسط نبودن گل زعفران برای برداشت تعيين شده است. در انتها مركز گلهايی كه قابل برداشت تعيين شده اند، مشیخ و در اختيار ربات برداشیت زعفران قرار میگيرد. ميانگين نتايج ارزيابی، با معيار دقت، فراخوانی، measure-F ،درسیتی و ضیريط همبستگی به ترتیب 99.79, 99.42, 99.60, 99.91, و 99.50 برای روش پيشنهادی حاصل شده است.

Saffron is one of the most valuable crops on the planet and one of the world’s most expensive agricultural and medicinal products. This plant has a special rank among Iran’s industrial and export products. One of the challenges in producing this plant is timely harvest from the ground and red stigmas (branches) separating from other parts of saffron because the flowers are harvested in a very short period and harvesting and separating at the limited time is a key point. This research, it has been tried with the help of image processing techniques to recognize saffron flowers and how to identify them on the ground. In the first step, to recognize saffron flowers, the transformation of colored spaces is used. Then, the histogram and the minimum threshold are used to segment and remove extra pixels. For this purpose, to recognize flowers, RGB space is converted to YCbCr space, and the combination of HSI and YCbCr color space is used to distinguish other objects in the image; also, a histogram of Cb component for early identification of saffron flowers is used. Then, those pixels which are misidentified are removed by a threshold value. Next step, the saffron flower needle-shaped leaves placed on the flowers are restored by morphological operation of the proposed method and the flowers that overlap are removed. Then, the type of saffron flower (bud, broken, open flower) is determined, and the ability to harvest or suitability of saffron flowers for harvesting has been determined. Finally, the flower center that can be harvested is recognized, and a saffron harvesting robot will use it. Average results concerning the accuracy, recall, F-measure, correctness, and correlation coefficient were 99.79, 99.42, 99.60, 99.91, and 99.50 achieved by the proposed method, respectively