ﺳﺎزﻣﺎن ﭘﮋوهشهای ﻋﻠﻤﯽ و ﺻﻨﻌﺘﯽ اﯾﺮانفناوریهای جدید در صنعت غذا2783-350X9220220220Near infrared hyperspectral imaging for non-destructive determination of pH value in red delicious apple fruit during shelf lifeتصویربرداری فراطیفی فروسرخ نزدیک به منظور تخمین غیر مخرب pH سیب رددلیشز در دوره نگهداری99111108110.22104/jift.2021.5124.2059FAعبدالهگلمحمدیدانشیار، گروه مهندسی بیوسیستم، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایرانمحمدطهماسبیدانشجوی دکتری، گروه مهندسی بیوسیستم، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایرانمهسا ساداترضویدانشجوی دکتری، گروه مهندسی بیوسیستم، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایرانJournal Article20210808Quality assessment and fruits’ sorting are important activities in postharvest process that are attracting notices interestingly because of increasing demand for healthy products with better quality. In the recent decades, various non-invasive and non-destructive techniques for fruits and vegetables evaluations have been employed. Among these methods, hyperspectral imaging as a non-destructive, fast and ecofriendly technique is getting researchers’ attraction increasingly in order to crops properties assessment. Regarding this fact that consumption of organic acids and consequent changes pH is considered as one of the important qualitative parameters of apple fruits, this study aimed to investigate the effect of shelf life time on pH value of Red Delicious apples during 60 days. Hyperspectral reflecting imaging in range of 400-1000 nm has been applied while the pH of samples was measured destructively. After discarding noises using principal component analysis (PCA) analysis, to improve spectrum, different primary pre-processing had been applied and their effects were investigated. The suitable model was obtained via Partial Least Square method (PLS). Important wavelengths were selected based on regression coefficient of the best model includes large absolute values of weighted regression coefficients (BW) and using various techniques were modeled. Concerning the PLS analysis, the best results were obtained through smoothing Savitzky-Golay pre-processing with mean square root error (RMSE) of 0.02 and 0.018 and coefficient of determination (R2) both 0.980 for calibration and validation data, respectively. According to regression coefficient of the best model, 9 wavelengths were determined as the best. In modeling by efficient wavelength, artificial neural network (ANN) gave the best result. Hence, it was obvious that non-destructive method of hyperspectral imaging was capable to predict pH values of apple fruits with high accuracy during the shelf life.ارزیابی کیفیت و درجهبندی میوهها یکی از فعالیتهای مهم پس از برداشت است که با توجه به رشد تقاضا برای محصولات سالم و دارای کیفیت بهتر، مورد توجه زیادی قرار گرفته است. در دهههای اخیر فناوریهای مختلفی برای ارزیابی میوهها و سبزیها به صورت غیرتخریبی کاربرد پیدا کردهاند. در بین این روشها، تصویربرداری فراطیفی به عنوان یک روش غیرمخرب، سریع و دوستدار محیط زیست به منظور سنجش خواص محصولات کشاورزی مورد توجه پژوهشگران قرار گرفته است. نظر به اینکه مصرف اسیدهای آلی و در نتیجه تغییرات pH یکی از خواص کیفی مهم سیب به شمار میرود، در این تحقیق اثر طول دوره انبارداری سرد بر میزان pH سیب رقم رددلیشز به مدت 60 روز بررسی شد. تصویربرداری فراطیفی بازتابی در محدوده طول موج های nm 400-1100 انجام و میزان pH در نمونهها نیز به صورت مخرب اندازهگیری شد. پس از حذف نویزها با تجزیه و تحلیل مؤلفههای اصلی (PCA)، برای بهبود طیف، پیش پردازشهای اولیه مختلف اعمال و اثرات آنها مورد بررسی قرار گرفت. مدل مناسب با استفاده از روش حداقل مربعات جزئی(PLS) تعیین گردید. طول موج های مهم براساس ضریب رگرسیون بهترین مدل و شامل نقاط دارای مقادیر بالای قدرمطلق ضریب رگرسیون انتخاب و یا استفاده از روش های مختلف مدل سازی شد. براساس آنالیز PLS بهترین نتایج با پیشپردازش هموارسازی ساویتزکی-گولای با خطای جذر میانگین مربعات (RMSE) 02/0 و 018/0 و ضریب تعیین (R2) هر دو برابر با 980/0به ترتیب برای دادههای کالیبراسیون و اعتبار سنجی حاصل شد. بر اساس ضریب رگرسیون بهترین مدل، 9 طول موج به عنوان بهترین طول موج ها تعیین شد. در مدلسازی با استفاده از طول موجهای موثر، شبکه عصبی مصنوعی بهترین نتیجه را داشت. در نتیجه به نظر می رسد که روش غیر مخرب تصویربرداری فراطیفی قادر به تخمین pH سیب در دوره انبارداری با دقت بالا است.https://jift.irost.ir/article_1081_92398e8b2efac184add3942a67e92d7e.pdfﺳﺎزﻣﺎن ﭘﮋوهشهای ﻋﻠﻤﯽ و ﺻﻨﻌﺘﯽ اﯾﺮانفناوریهای جدید در صنعت غذا2783-350X9220220220Evaluation the effect of biodegradable active packaging based on Zein containing Zataria multiflora essential oil on postharvest shelf life of strawberryبررسی اثر بستهبندی فعال زیستتخریبپذیر بر پایه زئین حاوی اسانس آویشن شیرازی بر عمر پس از برداشت توتفرنگی113127110010.22104/jift.2021.5248.2071FAیگانهفیض اللهیدانش آموخته کارشناسی ارشد، گروه مهندسی بیوسیستم، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایرانعبدالهگلمحمدیدانشیار، گروه مهندسی بیوسیستم، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایرانعلینعمت الله زادهدانشیار گروه مهندسی شیمی، دانشکده فنی و مهندسی، دانشگاه محقق اردبیلیمحمدطهماسبیدانشجوی دکتری، گروه مهندسی بیوسیستم، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایرانJournal Article20211010Every year, a large part of the Produced strawberries is losses due to postharvest corruption. On the other hand, the demand for Biodegradable packaging materials has increased sharply due to environmental concerns about the use of petroleum polymers. Therefore, biopolymer-based packaging materials have a high potential for replacement with petroleum plastics. Research has also shown that plant essential oils can control postharvest diseases of agricultural products. However, their use is associated with difficulties due to physical and chemical instabilities odors and taste in the product. One of the best way to solve this problems is to include essential oils in the packaging film. Therefore, the present study aimed to investigate the effect of biodegradable film based on Zein containing Zataria multiflora essential oil (with concentrations of 0, 5, 10 and 20% w/w) as an active packaging to increase the Postharvest shelf life of strawberry fruit. The effect of films on maintaining the quality properties of strawberries during 15 days of storage at 4°C was evaluated and the amount of changes in weight, firmness, soluble solids, pH, treatable acidity, vitamin C and microbial contamination of strawberry samples during this period were evaluated. The results showed that during the storage, the quality of the samples decreased but the decreasing trend in packaged samples was much less than unpackaged samples. Also, the addition of essential oil to the polymer film improved the quality properties of strawberries, and with increasing the concentration of essential oil, the quality of strawberry samples decreased. Therefore, it seems that it is possible to greatly reduce the waste after harvest of strawberries by using the biodegradable film of saddle containing Zataria multiflora essential oil as an active packaging.سالیانه بخش زیادی از محصول توتفرنگی تولیدی در اثر فساد پس از برداشت از بین میرود. از سوی دیگر، تقاضا برای مواد بسته بندی سازگار با محیطزیست به علت نگرانی های محیطزیستی در رابطه با استفاده از پلیمرهای نفتی بهشدت افزایش یافته است. بنابراین، مواد بسته بندی مبتنی بر بیوپلیمرها پتانسیل بالایی را برای جایگزینی با پلاستیکهای نفتی دارند. همچنین پژوهشها نشان داده است که اسانسهای گیاهی امکان کنترل بیماریهای پس از برداشت محصولات کشاورزی را فراهم میکنند. اما استفاده از آنها به دلیل ناپایداریهای فیزیکی و شیمیایی و ایجاد بو و مزه در محصول با دشواریهایی همراه است. یکی از بهترین روشها برای مرتفع ساختن این مشکل، گنجاندن اسانس در فیلم بسته بندی است. لذا پژوهش حاضر با هدف بررسی اثر فیلم زیستتخریبپذیر بر پایه زئین حاوی اسانس آویشن شیرازی (با غلظت های 0، 5، 10 و 20% وزنی/وزنی) به عنوان یک بسته بندی فعال به منظور افزایش عمر پس از برداشت میوه توت فرنگی صورت گرفت. اثر فیلمها بر حفظ خواص کیفی توتفرنگی طی 15 روز نگهداری در دمای °C4 مورد بررسی و میزان تغییرات کیفی نمونه ها (وزن، سفتی، مواد جامد محلول، pH، اسیدیته قابل تیتراسیون، ویتامین ث و میزان آلودگی میکروبی) طی این مدت مورد ارزیابی قرار گرفت. نتایج این بررسی نشان داد که در طول دوره نگهداری، کیفیت نمونه ها کاهش یافت اما روند کاهش در نمونه های بستهبندیشده بسیار کم تر از نمونه های بسته بندی نشده بود. همچنین افزودن اسانس به فیلم پلیمری موجب حفظ بهتر خواص کیفی توت فرنگی شد و با افزایش غلظت اسانس کاهش کیفیت نمونه های توتفرنگی روند کندتری یافت. لذا به نظر می رسد که میتوان با استفاده از فیلم زیستتخریبپذیر زئین حاوی اسانس آویشن شیرازی به عنوان یک بسته بندی فعال ضایعات پس از برداشت توتفرنگی را حد بسیار زیادی کاهش دادhttps://jift.irost.ir/article_1100_e74006ec1a0a156e2d489b0f1fe73809.pdfﺳﺎزﻣﺎن ﭘﮋوهشهای ﻋﻠﻤﯽ و ﺻﻨﻌﺘﯽ اﯾﺮانفناوریهای جدید در صنعت غذا2783-350X9220220220Application of image processing and artificial neural networks as a non-destructive approach to prediction of fat content and classification of camel meatپیش بینی محتوی چربی و طبقه بندی گوشت شتر مبتنی بر ترکیب روش غیر مخرب پردازش تصویر و شبکه های عصبی مصنوعی129147109810.22104/jift.2021.5208.2067FAزهرهمولاییدانشجوی کارشناسی ارشد، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه جیرفت، جیرفت، ایرانمجیددولتیعضو هیات علمی گروه علوم و مهندسى صنایع غذایى، دانشکده فنى و منابع طبیعى تویسرکان، دانشگاه بوعلى سینا، تویسرکان، ایرانایمانگلپوردانش آموخته گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایرانحمیدقاسم خانیگروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه جیرفت، جیرفت، ایرانJournal Article20211001Camel meat can be a suitable alternative for other red meat types in human nutrition, due to its low cholesterol and low-fat content and the appropriate protein content. This research aims to investigate and evaluate the fat content and freshness of camel meat using machine vision technology as a non-destructive method. Therefore, using image processing as a non-destructive method and Soxhlet device as a destructive method, the amount of fat content was predicted, and also the freshness was classified for camel meat. In the image processing section, 108 textual features and 39 color features were extracted in the RGB, HSV, HIS, and CIElab color spaces. Moreover, to predict the freshness and quality of meat, feed-forward back propagation artificial neural networks with one and two hidden layers, a various number of neurons, and threshold functions were used. Also, according to the regression diagram of fat content obtained from the destructive method (fat content obtained from Soxhlet device) with fat content obtained from non-destructive method (machine vision), the coefficient of determination and accuracy between them achieved 0.841. The results of the evaluation of the neural networks showed that the best desirable network for classification based on freshness is a one-hidden layer network with topology 147-3-1, tangent-sigmoid transfer function at hidden layer and purelin transfer function at output layer (R2= 0.996), and also to prete of fat content the best network is two-hidden layer network with linear, log-sigmoid, log-sigmoid transfer function at first hidden layer, second hidden layer and output layer respectively (R2= 0.99). Therefore, the results of this study show that the proposed system with the help of machine vision technology can predict the freshness and fat content of camel meat with acceptable accuracy.گوشت شتر به دلیل داشتن کلسترول و چربی کم و میزان پروتئین مناسب، میتواند جایگزین مناسبی برای سایر انواع گوشت قرمز در رژیم غذایی انسان باشد. هدف از این تحقیق، بررسی و ارزیابی تازگی و مقدار محتوی چربی گوشت شتر با استفاده از فنآوری غیر مخرب ماشین بینایی است. بنابراین، با استفاده از پردازش تصویر به عنوان یکی از روش های غیر مخرب و دستگاه سوکسله به عنوان روش مخرب، به پیش بینی مقدار محتوی چربی و طبقه بندی تازگی گوشت شتر پرداخته شد. در روش پردازش تصویر 108 ویژگی بافتی و 39 ویژگی رنگی در فضاهای رنگی RGB،HSV، HIS و CIElab از تصاویر نمونه ها استخراج شد. همچنین برای تخمین این پارامترها، از شبکۀ عصبی پیشخور با الگوریتم پس-انتشار با یک و دو لایۀ پنهان، تعداد نرون و توابع انتقال مختلف استفاده شد. با توجه به نمودار رگرسیونی چربی به دست آمده از روش مخرب (چربی به دست آمده از دستگاه سوکسله) با چربی حاصله از روش غیر مخرب (ماشین بینایی) ضریب تبیین و دقت بین آن ها 841/0 به دست آمد. نتایج ارزیابی شبکههای عصبی نشان داد که مطلوبترین شبکه برای طبقه بندی بر اساس تازگی، شبکة با یک لایۀ پنهان با توپولوژی 1-3-147، با توابع انتقال تانژانت سیگموئید-خطی به ترتیب در لایۀ پنهان اول و لایۀ خروجی و با ضریب تبیین 996/0 و میانگین خطای مربعات 22-10×3/2، و همچنین برای پیش بینی مقدار محتوی چربی، شبکة با دو لایۀ پنهان با توپولوژی 1-3-3-147 با تابع انتقال خطی-لگاریتم سیگموئید-لگاریتم سیگموئید در لایههای پنهان اول، دوم و لایۀ خروجی با ضریب تبیین و میانگین خطای مربعات به ترتیب 99/0 و 402/0 به دست آمد. بنابراین نتایج بدست آمده از این تحقیق، نشان می دهد که سامانه پیشنهادی با کمک فنآوری ماشین بینایی قادر است با دقت بسیار خوبی تازگی و مقدار چربی گوشت شتر را پیش بینی کند.https://jift.irost.ir/article_1098_dce8075f25a25ce1b737298deeaad662.pdfﺳﺎزﻣﺎن ﭘﮋوهشهای ﻋﻠﻤﯽ و ﺻﻨﻌﺘﯽ اﯾﺮانفناوریهای جدید در صنعت غذا2783-350X9220220220Effect of carrier agents on physicochemical properties of foam-mat freeze-dried Echium amoenum powderبررسی اثر عوامل حامل بر خواص فیزیکوشیمیایی پودر گل گاو زبان تولید شده به روش کفپوشی- خشک کردن انجمادی149165110710.22104/jift.2021.5253.2073FAمرتضیحاجی علی اصغریگروه مهندسی علوم و صنایع غذایی، دانشکده مهندسی صنایع و مکانیک، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایراناکرمشریفیدانشگاه آزاد قزوینJournal Article20211102Echium amoenum is an herbaceous Iranian herb, two or many years old from the Boraginaceae family. Most Echium amoenum varieties have medicinal properties that can be promoted through scientific activity and industrial production of diverse products. In this study, the effects of carrier agents of Maltodextrin and Arabic gum (0(control), 20, 25, 40, 50%) in drying by foam-mat freeze-dried method impact on hygroscopicity, degree of caking, wettability, dispersibility, solubility, water absorption index, total phenolic compounds, antioxidant activity and level of total anthocyanins compounds was investigated. By increasing the concentration of carrier agents, degree of caking, dispersibility and water absorption index 13, 28, and 34 % increased respectively. Hygroscopicity was reduced 2% compared to the control sample. Anthocyanins, antioxidant activity and total phenolic compounds decreased compared to the control sample. According to the results of sensory evaluation, the best treatment in terms of general acceptance, aroma, and taste was contained 25% maltodextrin and 25% Arabic gum together, and contained 0.005 mg/100ml anthocyanins compounds, 9.4 % antioxidant activity and 37 mg/100ml total phenolic compounds.گل گاو زبان ایرانی گیاهی علفی، دو یا چند ساله از خانواده بورگیناسهها میباشد. بیشتر گونههای گل گاو زبان دارای خواص دارویی هستند که با فعالیت علمی و تولید صنعتی فراورده های متنوع از آن میتوان به ترویج مصرف آن کمک نمود. در این پژوهش اثر عوامل حامل مالتودکسترین و صمغ عربی (0(نمونه شاهد)، 20، 25، 40، 50 درصد) در خشک کردن به روش کفپوشی-انجمادی بر رطوبتپذیری، درجه کیکی شدن، توان رطوبتی، پراکندگیپذیری ذرات، حلالیت، شاخص جذب آب، ترکیبات فنولیکل، ترکیبات آنتوسیانین کل و فعالیت آنتیاکسیدانی مورد بررسی قرار گرفت. با افزایش غلظت عوامل حامل، درجه کیکی شدن، پراکندگی پذیری ذرات و شاخص جذب آب به ترتیب بیش از 13، 28 و 34 درصد افزایش یافت و رطوبت پذیری نسبت به نمونه شاهد 2 درصد کاهش نشان داد. آنتوسیانین، فعالیت آنتیاکسیدانی و ترکیبات فنولیکل نیز نسبت به نمونه شاهد کاهش یافت. با توجه به نتایج ارزیابی حسی بهترین تیمار از نظر پذیرش کلی، عطر و بو، طعم مربوط به نمونه تولید شده با 25درصد مالتودکسترین و 25درصد صمغ عربی با هم بود که حاویmg/100ml 005/0 آنتوسیانین کل، 4/9 درصد فعالیت آنتیاکسیدانی وmg/100ml 37 ترکیبات فنلی کل بود.https://jift.irost.ir/article_1107_e612ffff20bea68ab2c923d5b9c11753.pdfﺳﺎزﻣﺎن ﭘﮋوهشهای ﻋﻠﻤﯽ و ﺻﻨﻌﺘﯽ اﯾﺮانفناوریهای جدید در صنعت غذا2783-350X9220220220Investigating the effect of nanoparticle concentration and oil content on the physical stability of Pickering emulsion stabilized by chitosan nanoparticlesبررسی تاثیر غلظت نانوذره و محتوای روغن بر پایداری فیزیکی امولسیون پیکرینگ پایدار شده توسط نانوذرات کیتوزان167179110910.22104/jift.2021.5159.2062FAفاطمهحیدریگروه مهندسی مواد و طراحی صنایع غذایی، دانشکده صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایرانامان محمدضیائی فردانشکده صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایرانسید مهدیجعفریاستاد، گروه مهندسی مواد و طراحی صنایع غذایی، دانشکده صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایراننیکلاسآنتوندانشیار، گروه نانوپزشگی، دانشکده داروسازی، دانشگاه استراسبورگ، استراسبورگ، فرانسهJournal Article20210904Recently, the preparation of Pickering emulsion has attracted particular attention due to its wide range of applications in various industries, including the food and pharmaceutical industries. The present study aimed to prepare a Pickering emulsion stabilized with Chitosan nanoparticles (CSNPs) and investigate the effect of nanoparticle concentration and oil content on physical stability. First, the nanoparticles were prepared by the ionic gelation technique. Then, morphology, particle size distribution, wettability, Fourier-transform infrared (FTIR) spectra of nanoparticles were determined. FSEM results revealed that the nanoparticles are predominantly spherical, with an average size of 69 ±1nm. Also, the results of the FTIR spectrum analysis and wettability confirmed the formation of nanoparticles. In the second stage, emulsions were prepared at different concentrations of CSNPs (0.45, 0.6, and 0.75% w/v) and the ratio of oil to the aqueous phase (10, 20, and 30%). The results revealed that nanoparticle concentration and oil content had a significant effect on emulsion physical stability. In a fixed oil volume fraction, physical stability increases with the increase of nanoparticles' concentration. In contrast, the oil content showed different effects on the properties of emulsions prepared with different concentrations of nanoparticles.در سالهای اخیر تهیه امولسیون پیکرینگ به دلیل گستره وسیعی از کاربردهای آن در صنایع غذایی، دارویی و آرایشی توجه زیادی را به خود جلب کرده است. هدف از این پژوهش تهیه امولسیون پیکرینگ روغن در آب پایدار شده با نانوذرات کیتوزان و بررسی تأثیر غلظت نانوذره و محتوای روغن بر پایداری فیزیکی امولسیون تهیه شده بود. ابتدا نانوذرات کیتوزان با استفاده از روش ژل شدن یونی تشکیل شدند. مورفولوژی، توزیع اندازه ذره، ترشوندگی و طیف FTIR نانوذرات تعیین شد. نتایج میکروسکوپ الکترونی روبشی گسیل میدانی، تشکیل نانوذرات نسبتا کروی شکل با متوسط اندازه 1±69 نانومتر را نشان داد. همچنین نتایج طیف FTIR و ترشوندگی تشکیل نانوذرات را اثبات کرد. در مرحله دوم امولسیونهای پیکرینگ در سه سطح غلظت 45/0، 60/0 و 75/0 درصد نانوذرات کیتوزان و نسبتهای 20،10 و 30 درصد روغن به آب تهیه شدند. نتایج نشان-دهنده تأثیر معنیدار غلظت نانوذره و محتوای روغن بر پایداری فیزیکی امولسیون بود. اندازه قطرات، کوالسنس و شاخص خامهای شدن در یک نسبت ثابت روغن به آب با افزایش غلظت نانوذره کاهش یافت. درحالیکه محتوای روغن بر خواص امولسیونهای تهیه شده با غلظتهای مختلف نانوذره تاثیر متفاوتی داشت.https://jift.irost.ir/article_1109_534f02ec8fe405fa3367628021a7ed2d.pdfﺳﺎزﻣﺎن ﭘﮋوهشهای ﻋﻠﻤﯽ و ﺻﻨﻌﺘﯽ اﯾﺮانفناوریهای جدید در صنعت غذا2783-350X9220220220Development and evaluation of chickpea classification system based on visible image processing technology and artificial neural networkتوسعه و ارزیابی سامانه طبقه بندی نخود بر اساس فناوری پردازش تصویر مرئی و شبکه عصبی مصنوعی181193109310.22104/jift.2021.5173.2063FAسمیهسلامگروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ایلام، ایلام، ایران.کامرانخیرعلی پورعضو هیئت علمی گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ایلامJournal Article20210908The ability to recognize color, texture, and shape in image processing technology has led to the development of machine vision systems in various fields of agriculture, conversion industries, and industry. The existence of impurities and seeds with an unsuitable appearance in chickpeas and the direct effect of the appearance quality of the product on its marketability, shows the need for grading this product. The aim of the present study was to distinguish impurities and chickpeas with an inappropriate appearance from chickpeas with a suitable appearance by developing a machine vision system. Totally 270 images including 54 samples of chickpeas with suitable appearance and 36 samples of each type of chickpeas with inappropriate appearance (wrinkled, green, brown, and split) and foreign materials (stone and stem) were prepared. After preparing the sample images, the pre-processing and feature extraction steps were performed automatically and different color, texture and shape properties were extracted by developing and using an image processing algorithm. An algorithm was developed to select efficient features from the extracted features. Efficient features were classified by the artificial neural network method with total accuracy of 91.9%. The detection accuracy for desirable, wrinkled, cotyledon, immature, and brown chickpea and stem and stone impurities was equal to 98.1, 83.3, 100.0, 91.7, 97.2, 77.8, and 97.2% respectively. Using the developed system, the chickpea product can be graded with high accuracy and low cost, so that after separating the impurities, the desirable and undesirable chickpeas can be separated and sent to the market for different uses.قابلیت تشخیص رنگ، بافت، و شکل در فناوری پردازش تصویر منجر به توسعه سامانه های ماشین بینایی در حوزه های مختلف کشاورزی، صنایع تبدیلی، و صنعت شده است. وجود دانه های با ظاهر نامناسب و ناخالصی ها در نخود و تاثیر مستقیم کیفیت ظاهری محصول بر بازپسندی آن، ضرورت درجه بندی این محصول را نشان می دهد. هدف از تحقیق حاضر تشخیص نخود با ظاهر نامناسب و ناخالصی از نخود با ظاهر مناسب با توسعه یک سامانه ماشین بینایی می باشد. تعداد 270 تصویر شامل تصویر 54 نمونه نخود با ظاهر مناسب و 36 نمونه از هر کدام از انواع نخود با ظاهر نامناسب (چروکیده، سبز رنگ، قهوه ای رنگ، و لپه) و مواد خارجی (سنگ و ساقه) تهیه گردید. پس از تهیه تصاویر نمونه ها، با استفاده از یک الگوریتم پردازش تصویر، مراحل پیش پردازش و استخراج ویژگی به صورت خودکار انجام شده و ویژگی های مختلف رنگ، بافت و شکل استخراج گردید. الگوریتمی برای انتخاب ویژگی های کارا از بین ویژگی های استخراجی توسعه یافت. ویژگی های کارا توسط روش شبکه عصبی مصنوعی با دقت کلی 9/91 درصد طبقه بندی شدند. دقت تشخیص نمونه های نخود مطلوب، چروکیده، لپه، نارس، قهوه ای، و ناخالصی های ساقه و سنگ، به ترتیب برابر 1/98، 3/83، 0/100، 7/91، 2/97، 8/77، و 2/97 درصد بود. با استفاده از سامانه توسعه یافته می توان محصول نخود را با دقت بالا و هزینه پایین درجه بندی نموده تا پس از جداسازی ناخالصی ها، نخود مرغوب و نامرغوب را از هم جدا و برای مصارف مختلف روانه بازار نمود.https://jift.irost.ir/article_1093_677ef1e9995cc578c6b37b79ff2cfab7.pdf