مكانيابی و تشخيص گل زعفران با استفاده از تكنيک‌هاي پردازش تصوير

زعفران يکی از با ارزش ترين گياهان زراعی موجود در روی كره زمين می باشد، كه اين گياه به عنوان گرانترين محصول كشاورزی و دارويی جهان جايگاه ويژه ای در بين محصولات صنعتی و صادراتی كشور ايران دارد. يکی از مشکلاتی كه در توليد اين گياه وجود دارد، برداشت به موقع آن از روی زمين و جداسیازی كلاله )شاخه( های قرمز زعفران از بقيه قسمت های گل زعفران می باشد، چرا كه عمدتاً گل های زعفران در يک بازه زمانی بسيار كوتاه به ثمر می رسند و همچنين برداشت و جداسازی آن در اين بازه زمانی محدود بسيار اهميت دارد. در اين پژوهش، سعی شده است كه با استفاده از تکنيک های پردازش تصوير به بحث و برر سی نحوه شناسايی گل زعفران در روی زمين پرداخته شود. در مرحله اول برای شناسايی گل زعفران از تبديل فضاهای رنگی استفاده نموده، سپس از طريق هيستوگرام و آستانه مينيمم نسبت به بخش بندی و حذف پيکسل های اضافی اقدام شده است. بدين منظور، برای شناسايی گل از تبديل فضای RGB به فضای YCbCr و برای تشخيص ساير اشياء موجود در تصوير از تركيب فضاهای رنگی HSI و YCgCr ا ستفاده و از هيستوگرام مؤلفه Cb برای تشخيص اوليه گل زعفران بهره برده اند. سپس، برخی از پيکسل هايی كه به اشتباه تشخيص داده شده اند، با كمک مقدار آستانه حذف گرديده اند. در مرحله بعدی، برگ های سوزنی شکل گياه زعفران، كه بر روی گل ها قرار گرفته اند با استفاده از عمليات مورفولوژيک الگوريتم پيشنهادی ترميم و رویهم افتادگی گل ها بازسازی شده است. در گام بعدی، نوع گل زعفران (غنچه، شکسته، گل باز شده) تعيين گرديده و قابل برداشت بودن و يا مناسب نبودن گل زعفران برای برداشت تعيين شده است. در انتها مركز گل هايی كه قابل برداشت تعيين شده اند، مشخص و در اختيار ربات برداشت زعفران قرار می گيرد. ميانگين نتايج ارزيابی، با معيار دقت، فراخوانی، measure-F ،درستی 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