DOI: https://doi.org/10.32515/2414-3820.2020.50.196-205

Спосіб і пристрій для автоматичного розпізнання некондиційних бульб картоплі

В.І. Ветохін, В.В. Голдибан, М.І. Курилович

Об авторах

В.І. Ветохін, доцент, доктор технічних наук, Полтавська державна аграрна академія, м. Полтава, Україна , e-mail: veto.vladim@gmail.com

В.В. Голдибан, кандидат технічних наук, РУП «НПЦ НАН Білорусі по механізації сільського господарства». м. Мінськ, Республіка Білорусь, e-mail: labpotato@mail.ru, ORCID ID: 0000-0002-5332-926X

М.І. Курилович, РУП «НПЦ НАН Білорусі по механізації сільського господарства». м. Мінськ, Республіка Білорусь, ORCID ID: 0000-0003-1067-1310

Анотація

У статті наведений опис макетного зразка автоматичної сортувальної машини, призначеної для розпізнавання зовнішніх дефектів бульб картоплі і їх автоматичної інспекції струменем стисненого повітря. Процес розпізнавання складався із трьох основних модулів: сегментації, трекінга, що рухається в кадрові по конвеєру картоплі й класифікації за допомогою навченої штучної нейронної мережі. Для сегментації бульб картоплі на фоні транспортуючого конвеєра в режимі реального часу використаний метод, заснований на обчисленні колірного порога. Для трекінга бульб картоплі, що рухаються, використовувався алгоритм центроїдного трекінга. Для навчання штучної нейронної мережі був створений власний набір даних, що складається із зображень товарних і дефектних бульб картоплі.

Ключові слова

бульба картоплі, дефект, автоматичне сортування, машинний зір

Повний текст:

PDF

References

1. Noordam, J.C., Otten G.W., Timmermans, A.J.M., van Zwol, B.H. (2017). High speed potato grading and quality inspection based on a color vision system. Control Systems. 2017. P. 15–24. [in English].

2. Byshov N.V. et al. (2013). Sovershenstvovaniye tekhnologicheskogo protsessa sortirovki klubney kartofelya po tsvetovoy informatsii [Improvement of the technological process of sorting potato tubers by color information]. Nauchnyy zhurnal KubGAU – Scientific journal of KubSAU, № 89 (05), 1–12. [in Russian].

3. Golmohammadi, A., Bejaei F., Behfar H. (2013). Design, Development and Evaluation of an Online Potato Sorting System Using Machine Vision. International Journal of Agriculture and Crop Sciences. University of Tabriz, Tabriz, Iran. Vol 6 (7). P. 396–402. [in English].

4. Martelli, R.(2015). Image Analysis Implementation for Evaluation of External Potato Damage. Applied Mathematical Sciences. Vol. 9. №. 81. P. 4029–4041. [in English].

5. Tavakoli, M., Mohsen N. (2015). Application of the Image Processing Technique for Sepa-rating Sprouted Potatoes in the Sorting Line. Journal of Applied Environmental and Biological Sciences. Vol. 4(11S). P. 223–227. [in English].

6. Barnes, M., Cielniak G., Tom D.(2006). Minimalist AdaBoost for blemish identification in potatoes. UK Journal of Food Engineering. Vol. 78. P.597–605. [in English].

7. Donggang, Hu. (2012). Potato shape detection based on stable direct least square method of ellipses fitting and it’s application prospect in Land Science. International Journal of Digital Content Technology and its Applications. 2012. Vol. 6. P. 161–171. [in English].

8. Ahmed, M. Rady, Daniel E. Guyer. (2015). Rapid and/or nondestructive quality evaluation methods for potatoes. Computers and electronics in agriculture. P. 31–48. [in English].

9. Fang, Tian, Yankun P., Wensong W. (2016). Nondestructive and rapid detection of potato black heart based on machine vision technology. Sensing for Agriculture and Food Quality and Safety. VIII. V(2). China, P. 83–94. [in English].

10. Elbatawi, I.E. (2008). An acoustic impact method to detect hollow heart of potato tubers. Biosystems engineering. Giza University. Egypt, P. 206–213. [in English].

11. Kartofel' svezhiy dlya pererabotki na produkty pitaniya. Tekhnicheskiye usloviya [Fresh potatoes for processing into food. Specifications]. (2010). HOST 26832-86-2010 from 06 January 1987. Moscow : Standartinform [in Russian].

12. Prokopovich, G.A. (2016). Razrabotka sistemy tekhnicheskogo zreniya dlya servisnogo mobil'nogo robota [Development of a vision system for a service mobile robot]. Tretiy vserossiyskiy nauchno-prakticheskiy seminar «Bespilotnyye transportnyye sredstva s elementami iskusstvennogo intellekta», Inno-polis, Respublika Tatarstan, 22–23 sentyabrya 2015 g. / Un-t Innopolis, redkol.: V.Ye. Pavlovskiy [et al.]. Innopolis, 2016. S. 127–136. [in Russian].

13. Kortylewski, A. [et al.] (2018). Training deep face recognition systems with synthetic data. Cornell University Library. 2018. URL: https://arxiv.org/pdf/1802.05891.pdf. [in English].

14. Chigorin, A. & Moiseyev, B. (2012). Klassifikatsiya avtodorozhnykh znakov na osnove svortochnoy neyroseti, obuchennoy na sinteticheskikh dannykh [Classification of road signs based on a convolutional neural network trained on synthetic data]. The 22nd International Conference on Computer Graphics and Vision. Moskva, Rossiya, 1–5 oktyabrya 2012 g. S. 284–287. [in Russian].

Пристатейна бібліографія

  1. High speed potato grading and quality inspection based on a color vision system / J.C. Noordam, G.W. Otten, A.J.M. Timmermans, B.H. van Zwol. Control Systems. 2017. P. 15–24.
  2. Совершенствование технологического процесса сортировки клубнейкартофеля по цветовой информации / Н.В. Бышов и др. Научный журнал КубГАУ. № 89 (05). 2013. С. 1–12.
  3. Golmohammadi, A., Bejaei F., Behfar H. Design, Development and Evaluation of an Online Potato Sorting System Using Machine Vision. International Journal of Agriculture and Crop Sciences. University of Tabriz, Tabriz, Iran. Vol 6 (7). P. 396–402.
  4. Martelli, R. Image Analysis Implementation for Evaluation of External Potato Damage. Applied Mathematical Sciences. Vol. 9. 2015. №. 81. P. 4029–4041.
  5. Tavakoli, M., Mohsen N. Application of the Image Processing Technique for Sepa-rating Sprouted Potatoes in the Sorting Line. Journal of Applied Environmental and Biological Sciences. 2015. Vol. 4(11S). P. 223–227.
  6. Barnes, M., Cielniak G., Tom D. Minimalist AdaBoost for blemish identification in potatoes. UK Journal of Food Engineering. 2006. Vol. 78. P. 597–605.
  7. Donggang, Hu. Potato shape detection based on stable direct least square method of ellipses fitting and it’s application prospect in Land Science. International Journal of Digital Content Technology and its Applications. 2012. Vol. 6. P. 161–171.
  8. Ahmed, M. Rady, Daniel E. Guyer. Rapid and/or nondestructive quality evaluation methods for potatoes. Computers and electronics in agriculture. 2015. P. 31–48.
  9. Fang, Tian, Yankun P., Wensong W. Nondestructive and rapid detection of potato black heart based on machine vision technology. Sensing for Agriculture and Food Quality and Safety. VIII. V(2). China, 2016. P. 83–94.
  10. Elbatawi, I.E. An acoustic impact method to detect hollow heart of potato tubers. Biosystems engineering. – Giza University. Egypt, 2008. P. 206–213.
  11. Картофель свежий для переработки на продукты питания. Технические условия : ГОСТ 26832-86-2010. Введ. 06.01.1987. М. : Стандартинформ, 2010. 5 с.
  12. Прокопович, Г.А. Разработка системы технического зрения для сервисного мобильного робота. Третий всероссийский научно-практический семинар «Беспилотные транспортные средства с элементами искусственного интеллекта», Иннополис, Республика Татарстан, 22–23 сентября 2015 г. / Ун-т Иннополис, редкол.: В.Е. Павловский [и др.]. Иннополис, 2016. С. 127–136.
  13. Training deep face recognition systems with synthetic data / A. Kortylewski [et al.]. Cornell University Library [Электронный ресурс]. 2018. URL: https://arxiv.org/pdf/1802.05891.pdf. (дата обращения: 16.04.2018).
  14. Чигорин, А., Моисеев Б. Классификация автодорожных знаков на основе свёрточной нейросети, обученной на синтетических данных. The 22nd International Conference on Computer Graphics and Vision. Москва, Россия, 1–5 октября 2012 г. С. 284–287.
Copyright (c) 2020 В.І. Ветохін, В.В. Голдибан, М.І. Курилович