بخشی از مقاله
چکیده
در کشاورزی مدرن امروز استفاده های بی شماری از پردازش تصویر برای مکانیزه و جایگزین کردن ماشین های هوشمند به جای انسان شده است.یکی از موارد پر مصرف آن در باغات میوه است که موقعیت میوهها بر روی درخت یا بوته دارای نظم خاصی نیست و برای چیدن آنها نیاز به یک ماشین هوشمند است که آن ها را بر روی درخت،درختچه یا بوته تشخیص دهد.
یکی از این میوهها انگور است که به دلیل شرایط فیزیکی آن، سالهاست در ایران به صورت دستی برداشت می شود و همانطور که می دانیم امروزه برداشت دستی محصولات، گرانتر از برداشت مکانیزهی آنان است . طرح این مشکل نیاز طراحی ماشینی برای برداشت انگور را موجب می شود؛ خوشههای انگور به دلیل عدم دارا بودن معادلهی مکانی مشخص و قرارگیری تصادفی بر روی تاک، نیازمند سیستمی هوشمند همچون ربات برای برداشت هستنداما. قطعاً بخش تشخیص در این سیستم را ماشین بینایی بر عهده دا رد.لذا هدف این پژوهش طراحی الگوریتمی مناسب برای تشخیص خوشه های انگور روی تاک با پردازش تصاویر دیجیتال به کمک سیستم بینایی رایانه ای است .
به این منظور تصاویری از داربستهای استاندارد انگور در شرایط نور طبیعی روز به وسیله دوربین دیجیتال با کیفیت 7 مگا پیکسل تهیه شدند.برای پردازش تصاویر از نرم افزار MATLB و جعبهی ابزار پردازش تصویر استفاده شد. الگوریتم پردازش متشکل از فیلتراسیون، آستانه گیری، روش های مبتنی بر مورفولوژی و غیره می باشد.نتایج حاصل از پردازش تصاویر، درستی الگوریتم های طراحی شده را برای تشخیص خوشه های انگور روی تاک نشان داد. به طوری که بر اساس این الگوریتم، خوشه ی انگور متفاوت از جزئیات دیگر در تصویر نمایان شد ه و دقت این تشخیص حدود 93 درصد بدست آمد.
مقدمه
با وجود پیشرفت های چشمگیر در زمینه ی خودکارسازی امور کشاورزی در مزارع و کشتزارها، صنعت باغداری و بوته کاری از قلمرو خودکارسازی به نسبت دورتر مانده است به نحوی که هنوز هم برای برداشت محصولات حساسی چون سیب، توت-فرنگی، گوجه، انگور و غیره به کارگران فراوان و نیروی دست نیاز است. در بسیاری از کشوره ا به ویژه در کشورهای ثروتمند، پیدا کردن تعداد زیادی کارگر برای برداشت چنین محصولاتی، امری دشوار و پر هزینه است . به عنوان مثال، فقط در ایالات کالیفرنیای آمریکا، بیش از 450هزار نفر که عمدتاً از کارگران مهاجر و فصلی هستند، به کار در باغ های میوه و صیفی جات مشغولند که دستمزدهای بسیار بالایی را از کارفرمایان خود طلب می کنند .
همان طور که ماشین - های مخصوص دروی خودکار موجب متحول شدن صنعت کاشت غلات شدند، روبات ها نیز به زودی صنعت باغداری را دچار دگرگونی و پیشرفت همه جانبه خواهندکرد. امروزه، پژوهشگران و مبتکران در حال کار بر روی روبات هایی هستند که با بازوهای روباتیک بزرگ و کوچک خود می توانند تقریباً هر کاری انجام دهند. ژاپنیها یک ربات مخصوص برنج کاری طراحی کرده اند که قادر است به مانند یک برنج کار ماهر و با تجربه تمامی عملیات و مراحل کاشت، داش ت و برداشت برنج را به بهترین نحو انجام دهد
موسسه فناوری ماساچوستٌدر حال طراحی و ساخت ربات کوچکی است که میتواند در محیط گلخانه، تمام مراحل کاشت و برداشت انواع بوته ها را به صورت کاملاً خودکار و برنامه ریزی شده و بدون دخالت انسان انجام دهد
کیوانچ کیلیچ و همکاران در سال 2007 برای به دست آوردن خصوصیات گندم از یک روش فیلترینگ غیر خطی برای از بین بردن نویزهای احتمالی در داده های تصویری استفاده کردند
در سال 1995 چوی و همکارانش از رنگ گوجه فرنگی برای تشخیص آن و تخمین مرحله رسیدگی با استفاده از آنالیز تصویر استفاده کردند
. همچنین محققانی سیستم بینایی رنگی را برای تشخیص، بازرسی و درجه بندی هلوی تازه گسترش دادند
در پژوهشی روشی برای آشکار سازی سریع و کامپیوتری سیب های لکه دار در تصاو ری MRI گسترش داده شده است ، که از یک تکنیک ساده محاسباتی آستانه یابی برای تما زی بین پیکسل های روشن نشان دهنده سیستم های آوندی و پیکسل های نشان دهنده لکه ها استفاده شده بود
همچنین لی و همکاران در سال 2002 روشی را برای انجام عمل جداسازی آسیب دیدگی های موجود در یک تصویر کج و خمیده سیب یا به طور کلی از یک تصویر بد، توسعه دادند. ابتدا یک تصویر مرجع میوه به وجود آمد و سپس با نرمال کردن تصویر میوه اصلی مورد بازرسی، تصویر میوه مرجع نرمال شده به دست آمد
انگور میوه ای است که معمولاً در نواحی گرمسیر رشد می کند و به دلیل شرایط فیزیکی آن ، سالهاست که در ایران به صورت دستی برداشت می شود، در کشاورزی مکانیزه ی امروز برداشت به صورت دستی به صرفه نخواهد بود و سالیانه هزینه های سنگینی جهت برداشت انگور و کارگرهای مورد نیاز پرداخت می شود . طرح این مشکل نیاز طراحی ماشینی برای برداشت انگور را موجب می شود؛ اما میوه ی انگور همانند گیاهان زراعی دارای معادله ی مکانی مشخصی نیست تا با تنظیم یک ماشین خودکار بتوان آن را برداشت کرد، میوه های انگور به طور تصادفی در در خت مو پراکندهاند.
برای برداشت انگور باید از سیستم هوشمند روباتی برای تشخیص میوه بر روی درختچه و چیدن آن استفاده نمود . همانطور که می دانیم انگور به فشار و اعمال نیرو حساس است و ناحیه ویسکوز آن سریع جاری می شود بدین وسیله سنجش انگور با روش پردازش تصویر بسیار ایمن است و خطاهای موجود در سنجش های آماری را ندارد . لذا هدف این پژوهش طراحی الگوریتمی مناسب برای تشخیص خوشه های انگور روی تاک با پردازش تصاویر دیجیتال به کمک سیستم بینایی رایانه ای است.
مواد و روشها
-تهیهی تصاویر دیجیتال
برای تهیهی تصاویر مورد نیاز از داربست های استاندارد انگور با دوربین دیجیتال با کیفیت 7 مگا پیکسل تصاویری از زوایای مختلف و در شرایط نور طبیعی از میوه ی انگور بر روی درخت مو گرفته شد - شکل . - 1 تصاویر با کیفیت 3072×2304 پیکسل و با فرمتjpg تهیه شدند.موقعیت مکانی انگور بر روی درخت مو براساس موقعیت طبیعی آن در نظر گرفته شد.به این ترتیب عکسهای متنوعی تهیه شد که در بعضی از آنها قسمتی از انگور در پشت شاخ و برگ پنهان بود و بخشی از آن مشخص بود .همچنین تعدادی عکس از تجمع چند خوشه انگور تهیه شد . تشابه رنگی انگور با برگ های اطراف آن تشخیص آن را پیچیده تر میکند. همچنین شکل طبیعی انگور که یک شکل واحد نیست و از دانه های بسیاری تشکیل شده است بر روی تشخیص آن اثر می گذارد.
شکل -1 نمونهی تصاویر دیجیتال تهیه شده
-مرحله پیش پردازش
برای پردازش تصاویر از نرم افزار MATLAB استفاده شد. در ااین خصوص با اعمال فیلترهای مناسب نویزهای تصویر حذف شدند . همچنین با بهبود کانتراست ٍتصاویر با ابزار بهبود کانتراست، تصاویر دارای محدوده دینامیک بزرگتری شدند و محدوده کلی توسعه داده شد . طراحی یک سیستم خوب نورپردازی می تواند با افزایش کانتراست تصویر، دقت را افزایش دهد و منجر به آنالیز موفقیت آمیز تصویر شود
- پردازش تصویر
برای تشخیص خوشهی انگور در میان شاخ و برگ ها باید تفاوت معنی داری میان خوشه انگور و سایر جزئیات تصویر مشخص شود. اما با توجه به تشابه رنگی خوشه های انگور و برگ ها با مات شدن تصویر به منظور محو کردن جزئیات دیگر دانه های انگور، تماماً یا بخشی از آن ها با برگها آمیخته می شد به این ترتیب نمی توان از روشهای ذکر شده استفاده نمود.
به این ترتیب تشخیص آن دچار مشکل می شد. در این حالت دو مشکل برای تشخیص خوشه انگور و حذف جزئیات دیگر وجود دارند که باید مرتفع گردند. همچنین تصاویر در محیط طبیعی گرفته شده بودند و در بعضی تصاویر برگ های درخت مو به رنگهای سبز تیره و در برخی دیگر سبز روشن بودند، همچنین جزئیات دیگر تصویر ثابت نبودند . خوشه های انگور نیز در همه تصاویر با وضعیت ثابتی از شاخه آویزان نبودند.
