بخشی از مقاله
چکیده
درجه بندی آنلاین گوجه فرنگی بر طبق خصوصیات و ویژگی های آن یکی از عملیات مهم بعد از برداشت محسوب می شود. هدف این تحقیق توسعه یک سیستم و سامانه آزمایشگاهی کارا برای درجه بندی گوجه فرنگی بر مبنای فن آوری پردازش تصویر است . معیارهای درجه بندی در این سامانه شام ل شکل، اندازه، رسیدگی و عیوب هستند . برای شکل، رسیدگی، و اندازه گوجه فرنگی به ترتیب شاخصهای انحراف از مرکز، میانگین مؤلفههای رنگی و مساحت دید از بالا تعریف شدند. آسیبهای معمول گوجه فرنگی شامل ناهمگنی رنگ، ترک های رشد، آفتاب سوختگی، لکه موجی و غیره است .
در این سامانه درجه بندی، از یک دوربین CCD که برای کار در حالت USB تنظیم شده بود، یک میکروکنترلر، سنسور و یک رایانه همراه به منظور پردازش داده استفاده شد. عملیات پردازش تصویر توسط نرم افزاری که با زبان ویژوال بیسیک 2008 نوشته شد، اجرا و انجام شد . برای ارزیابی سامانه از 210 نمونه گوجه فرنگی تصویر برداری شد . هر کدام از الگوریتمهای شناسایی، روی تمام تصاویر این نمونه ها اعمال شد . اطلاعات مورد نیاز از هر کدام از تصاویر برای »سالم بودن« یا »معیوب بودن«، »بیضی« یا »دایره« بودن، »کوچک« یا »بزرگ« بودن و مقدار رنگ استخراج شد . نتایج نشان داد که دقت الگوریتم های کشف عیوب، شکل و اندازه و دقت کلی سامانه به ترتیب %84.84، %94.54 %90.90 و %90 بدست آمد. کارایی و عملکرد سامانه نیز درجه بندی 2517 عدد گوجه فرنگی در ساعت تخمین زده شد.
مقدمه
گوجه فرنگی یکی از مهمترین محصولات در تغذیه انسان است که روزانه مورد مصرف میلیون ها نفر می شود. این محصول نیز در بین ایرانیان جایگاه ویژه ای دارد . طبق آمار فائو در سال 2010 تولید جهانی گوجه فرنگی 314 میلیون تن بوده است. ایران با برداشت 5 میلیون تن گوجه فرنگی رتبه ششم در دنیا را در تولید این محصول دارد . به طور تقریبی سه چهارم گوجه فرنگی برداشت شده به صورت تازه خوری استفاده می گردد و به همین دلیل کیفیت مناسب، فاکتور مهمی در توزیع این محصول است . نارسی و ناهمگنی در رسیدگی در گوجه فرنگی ها عیوب معمول این محصول در بازار است . عیوب و آسیب دیدگی های گوجه فرنگی با استفاده بیش از حد از آفت کش ها و سم های زراعی و همچنین ذخیره سازی ناصحیح افزایش می یابد
یکی از مهمترین فرآیندها در مراحل بسته بندی و عرضه در بازار درجه بندی است . این عمل نیازمند پارامترهای متفاوت و مختلفی از قبیل درجه رسیدگی، رنگ، شکل، اندازه و عیوب، برای تسریع توأم شناسایی و مدیریت است . کارآمدی و بازده بالا در درجه بندی، استاندارد کیفیت در خطوط بسته بندی و تولید را سبب می شود
به همین سبب نیاز به سرعت، کارآمدی و ثبات در فرآیند درجه بندی است . درجه بندی دستی یک روش معمول برای درجه بندی میوه ها است . این روش شامل عیوبی از قبیل هزینه بالای کارگر، خستگی، دقت پایین و ناهمگنی حین شرایط مختلف محیطی مثل تغییر در شدت نور و نبود دقت در کار به دلیل نداشتن استاندارد و کمبود کارگر ماهر دارد . استفاده از بینایی ماشین به فرایند خودکار سازی کمک کرده و در نتیجه هزینه و شمار کارگران را کاهش می دهد . بهترین روش برای تخمین کیفی و درجه بندی میوه ها روش بینایی ماشین است . مزیت های این روش عبارتند از : غیر مخرب بودن، دقت، سرعت و غیره.
یک سامانه بینایی ماشین می تواند ویژگی های داخلی و خارجی محصولات کشاورزی، شامل درجه رسیدگی، عیوب رطوبت و مواد غذایی را به طور دقیق تشخیص دهد - یاد و همکاران ٍ، . - 2002 با کمک دوربین های دیجیتال متشکل از سنسور CCDَ - مورد استفاده در این تحقیق - ویژگی های رنگی یا درجه های تک رنگ محصولات برای تعیین کیفیت آنها، تحت یک شدت نور معین، ارزیابی می شود . در سال های متمادی گوجه فرنگی مانند مرکبات، سیب، انار، و باقی میوهها به صورت دستی درجه بندی می شد. هدف این تحقیق ارائه یک سامانه درجه بندی خودکار بر اساس تکنیک پردازش تصویر برای گوجه فرنگی است که میتواند برای درجه بندی انار، لیمو و یا باقی محصولات مشابه نیز - با اندکی تغییر - استفاده شود.
مواد و روشها
سخت افزار سامانه شامل یک تسمه نقاله، سیستم قدرت و انتقال قدرت ، منبع نور، دوربین دیجیتال CCD،
عملگر مکانیکی، واحد کنترل و یک رایانه همراه است . نرم افزار مربوط نیز از الگوریتم هایی برای تشخیص عیوب، شکل، رنگ و اندازه گوجه فرنگی ها تشکیل شده است . شکل 1 شمای یک سیستم درجه بندی گوجه فرنگی آزمایشگاهی را نشان می دهد . سامانه مجهز به یک تسمه نقاله سیاه رنگ با دو مجرا در انتهای نقاله برای جدا کردن دو کلاس گوجه فرنگی است . در سمت عقب تسمه یک جعبه با یک دوربین دیجیتال در بالای تسمه و عمود بر آن و 4 عدد لامپ 220 LED ولت نصب شده است . این سیستم نور دهی حداقل ایجاد سایه و بازگشت نور را تأمین میکند. دوربین در 53 سانتی متری بالای تسمه نصب شده است و دقتی معادل 2 مگا پیکسل - با قدرت تفکیکی 640 در - 480 تأمین میکند. در این تحقیق گوجه فرنگی ها در دو دسته - مطلوب و نامطلوب - بر اساس رسیدگی، عیوب، شکل و اندازه طبق حدود انتظار جدول 1 دسته بندی شدند.
شکل -1 شمای سامانه درجه بندی هوشمند گوجه فرنگی
واحد کنترل الکترونیکی از یک میکروکنترلر و یک سنسور تشکیل شده است . از یک رایانه همراه نیز برای پردازش سیگنال و پردازش و تهیه تصاویر استفاده شد. بر روی تسمه نقاله در حرکت، گوجه فرنگی از روبروی سنسور عبور می کند. با دریافت سیگنال ارسالی از میکر وکنترلر نرم افزار به راه انداز دوربین دستور تهیه یک عکس را می دهد. از تصویر ارسالی دوربین توسط نرم افزار یک تصویر با قالب JPEG تهیه می گردد . الگوریتم ها در Visual Basic 2008 به منظور پردازش تصاویر توسعه داده شدند .
به منظور جداسازی تصویر گوجه فرنگی از پس زمینه، تصاویر به محیط HSI منتقل شدند. سپس پیکسل هایی از تصویر که خارج از دامنه مشخص شده HSI بودند فیلتر شدند. تصویر حاصل دوباره به محیط RGB منتقل شد و پیکسل هایی از آن که خارج از بازه های 0 - تا - 25 برای R، 0 - تا - 64 برای G و 0 - تا - 64 برای B بودند فیلتر شدند. تصویر نهایی به محیط خاکستری منتقل شد و آستانه گیری روی آن انجام گردید. در تصویر نهایی تنها شی باقی مانده گوجه فرنگی بود. انحنای گوجه فرنگی یک کمیت مناسب برای تعیین شکل گوجه فرنگی است . تقسیم بندی از لحاظ شکل مشتمل بر دو نوع تقسیم بندی دایروی و بیضوی بود .
به منظور یافتن شاخص شکل یک گوجه فرنگی ویژگی دوری از مرکز ٌ آن محاسبه شد . در ریاضیات، دوری از مرکز که با «e» یا « » نشان داده می شود، می توان به عنوان یک معیار برای اندازه گیری مقدار انحراف یک شی دو بعدی از دایره در نظر گرفت . به طور خاص، دوری از مرکز برای یک دایره صفر و برای یک بیضی بزرگتر از صفر و کوچکتر از یک است
مرکز شی گوجه فرنگی را می توان با میانگین گرفتن از مقدار طول و عرض مختصاتی همه نقاط شی بدست آورد - ون و همکاران َ ، . - 2002 مقدار مساحت، شاخص تعیین اندازه فرض شد . تعیین درجه رسیدگی نیز با کمک نظر کارشناس تعیین شد . بعد از تشخیص 50 گوجه فرنگی رسیده و 50 گوجه فرنگی نارس، تصاویر آنها، هیستوگرام تصاویر و میانگین مؤلفه های رنگی بدس ت آمد. این مقدار، شاخصی برای تعیین وضعیت رسیدگی گوجه فرنگی در الگوریتم نرم افزار مورد استفاده قرار گرفت . تصاویری که از گوجه فرنگی های معیوب تهیه شد با الگوریتم اتسو ُ آستانه گیری شد و تصاویری که از گوجه فرنگی های نارس تهیه شده بود نیز با الگوریتم آماری SIS آستانه گیری شدند
