| تعداد نشریات | 286 |
| تعداد نشریات سازمان | 84 |
| تعداد شماره‌ها | 2,975 |
| تعداد مقالات | 33,408 |
| تعداد مشاهده مقاله | 43,903,316 |
| تعداد دریافت فایل اصل مقاله | 20,405,395 |
برآورد حجم سیب‌زمینی با استفاده از پردازش تصویر | ||
| تحقیقات مهندسی صنایع غذایی | ||
| مقاله 8، دوره 8، شماره 4، اسفند 1386، صفحه 113-126 اصل مقاله (507.75 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| جعفر امیری پریان1؛ محمدهادی خوش تقاضا2؛ احسان الله کبیر3؛ سعید مینایی* 2 | ||
| 1دانشجوی سابق دکتری دانشگاه تربیت مدرس | ||
| 2دانشیار دانشگاه تربیت مدرس | ||
| 3استاد دانشگاه تربیت مدرس | ||
| چکیده | ||
| محاسبة حجم محصولات کشاورزی به روش ریاضی، به دلیل شکل هندسی نامنظم آنها چندان دقیق نیست. یکی از راه‌حل‌های ممکن، پردازش تصویر در ماشین‌های جداساز پیوسته بر اساس بینایی ماشین است. هدف از این تحقیق، یافتن روشی مناسب برای برآورد حجم سیب‌زمینی با استفاده از پردازش تصویر است. به کمک یک دوربین دیجیتال و یک آینة تخت، از هر نمونه تنها یک تصویر از دو نمای آن تهیه شد. با کاربرد نرم‌افزار MATLAB®، تصاویر پردازش و ابعاد سیب‌زمینی بر حسب موقعیت لبه در ماتریس تصویر اندازه‌گیری شد. در این پژوهش حجم سیب‌زمینی پس از تصویربرداری، با دو روش برآورد شد: روش اول، تعیین رابطة تجربی مبتنی بر برآورد حجم بر اساس سه قطر اصلی و روش دوم، تقسیم تصویر به قطعات کوچکتر به شکل مخروط ناقص با مقطع بیضی و برآورد حجم از مجموع حجم قطعات. اندازة سه قطر اصلی و طول قطعات مخروط ناقص، با پردازش تصویر تعیین شدند. با انداه‌گیری حجم واقعی سیب‌زمینی از طریق جابهجایی آب، میزان خطای هر دو روش محاسبه و مقایسه شد. در این تحقیق، 50 عدد سیب‌زمینی (رقم مارفونا) بهعنوان نمونه‌های مورد آزمایش انتخاب شدند. نتایج نشان داد که روش تقسیم تصویر به 64 قسمت، حجم را با دقت بسیار بالاتری (خطای حدود 15/8 درصد) نسبت به روش رابطة تجربی (خطای 5/20 درصد) برآورد می‌کند. بنابراین، برای درجه‌بندی سیب‌زمینی بر اساس حجم، روش تقسیم تصویر به عنوان روش کاربردی پیشنهاد می‌شود. | ||
| عنوان مقاله [English] | ||
| Volume Estimation of Potatoes Using Image Processing | ||
| چکیده [English] | ||
| Volume estimation of most agricultural products using mathematical methods is not accurate because of their irregular shape. An alternative method is image processing, which can be used in continuous sorting machines. The objective of this study is to find a practical method for volume estimation of potatoes using image processing. Fifty potatoes (Marfona variety) were selected as experimental samples. An image was captured from two perpendicular views of each potato sample using a digital camera and a flat mirror. The image was then processed with MATLAB software and the potato's dimensions were measured based on the edge position in the image index matrix. After imaging, the potato volume was estimated by two methods. In the first, volume was determined using an experimental equation based on three perpendicular diameters. In the second, the sum of calculated section volumes from image division into smaller truncated cone sections with elliptical bases was used. The size of the three perpendicular diameters and the length of the truncated cone sections were measured using image processing. After measuring the actual volume of the potato samples by water displacement, the error of the estimated volume of both methods was calculated and compared. Results showed that the image division method using 64 sections estimates potato volume more accurately (8.15% error) than the experimental equation method (20.5% error). Thus, the image division method can be recommended as a practical method for potato grading based on volume. | ||
| کلیدواژه‌ها [English] | ||
| Grading, Machine vision, Perpendicular Diameter, Truncated Cone | ||
| مراجع | ||
|
Blasco, J., Aleixos, N. and Molto, E. 2003. Machine vision system for automatic quality grading of fruit. Biosystems Eng. 85(4): 415-423.
Brosnan, T. and Sun, D. W. 2002. Inspection and grading of agricultural and food products by computer vision systems- a review. Computers and Electronics in Agric. 36, 193-213.
Du, C. J. and Sun, D. W. 2006. Estimating the surface area and volume of ellipsoidal ham using computer vision. J. Food Eng. 73(3): 260-268.
Forbes, K. 2000. Volume estimation of fruit from digital profile image. M. Sc. Thesis of Electronic Engineering. Cape Town University. Cape Town. South Africa.
Gonzalez, R. C. and Wintz, P. 1979. Digital Image Processing. Addision-Wesley Pub. Co.
Hesari, J. 2003. Canning Industry: Principles and Practices. Tabriz University Press. Tabriz. Iran. (in Farsi)
Leemans, V., Magein, H. and Destain, M. F. 2002. On-line fruit grading according to their external quality using machine vision. Biosystems Eng. 83(4): 397-404.
Marchant, J. A. 1990. A mechatronic approach to produce grading. In Rzevski, G. (Ed.). Mechatronics: Designing Intelligent Machines.
Mc Rae, D. C. 1985. A review of developments in potato handling and grading. J. Agric. Eng. Res. 31(2): 115-138.
Miller, W. M., Peleg, K. and Briggs, P. 1988. Automatic density separation for freeze-damaged citrus. Applied Eng. in Agric. 4(4): 344-348.
Stroshine, 1998. Physical Properties of Agricultural Materials and Food Products. Department of Agricultural and Biological Engineering Purdue University West Lafayette. Indiana. | ||
|
آمار تعداد مشاهده مقاله: 1,737 تعداد دریافت فایل اصل مقاله: 1,205 |
||