Online qualitative grading of tomatos using machine vision

abdollahzadeh, Hadi (2018) Online qualitative grading of tomatos using machine vision. Masters thesis, University of Mohaghegh Ardabili.

[img]
Preview
Text (درجه‌بندی کیفی برخط گوجه‌فرنگی با استفاده از بینایی ماشین)
Hadi abdollahzadeh.pdf

Download (433kB) | Preview
Official URL: http://www.uma.ac.ir

Abstract

Given the advantages of image processing, this technique was used to grade tomatoes. The purpose of the first part of this study was to investigate the effect of different loading speeds and stages of tomato growth on maximum rupture force, rupture energy, toughness, and elasticity modulus. The stress-strain test was performed using the 20-STM model of the SANTAM Company. Each group of tomatoes (premature, semi-finished and ripe tomatoes) was randomly selected and divided into three sub-sets of triplets. Data were analyzed by a factorial experiment in a completely randomized design with SPSS software. The results of the experiments showed that the maturity of fruit and loading rate on the toughness are significant. As the growth stage increases, the maximum rupture force associated with tomato decreases. As the maturity increases, tomato elasticity modulus decreases. In the second part, using a laboratory grading system, tomatoes were graded using the image processing technique. Hardware rating system includes: conveyor belt, power transfer system, electronic control unit, lighting enclosure, digital camera and qualitative compute, which the electronic control unit consists of a microcontroller and an operator. To qualitatively evaluate the tomatoes, as well as to evaluate the system, 150 of the selected tomatoes at different feeding rates, online imaging and results were compared. In MATLAB software, an algorithm was developed to process the image. The results obtained in this section showed that the feed gradient of the grading system is 20 ° and for the transfer unit, the linear velocity is 0.4 m/s and the time needed to stimulate the operators is 0.4 sec. The percentage of grading of premature, semi-finished and ripe tomatoes, was 90, 80, and 100, respectively. The capacity of the system's grading in the 8 hours of work was 37888 tomatoes.

Item Type: Thesis (Masters)
Persian Title: درجه‌بندی کیفی برخط گوجه‌فرنگی با استفاده از بینایی ماشین
Persian Abstract: با توجه به مزیت‌های پردازش تصویر، از این تکنیک برای درجه‌بندی گوجه‌فرنگی استفاده شد. هدف در بخش اول این تحقیق، بررسی تأثیر سرعت‌های مختلف بارگذاری و مراحل رشد گوجه‌فرنگی بر حداکثر نیروی گسیختگی، انرژی گسیختگی، چقرمگی، مدول الاستیسیته آن بود. آزمون تنش-کرنش با استفاده از دستگاه مدل 20-STM شرکت سنتام انجام شد. هر گروه از گوجه‌فرنگی‌ها (گوجه‌فرنگی کال، گوجه‌فرنگی نارس و گوجه‌فرنگی رسیده) به تعداد 9 عدد به‌صورت تصادفی انتخاب و به سه زیرمجموعه سه‌تایی تقسیم گردید. نمونه‌ها با سه سرعت: 20، 60 و 100 میلی‌متر بر دقیقه تحت بارگذاری قرار گرفت. داده‌های به‌دست‌آمده تحت آزمایش فاکتوریل در قالب طرح کاملاً تصادفی با استفاده از نرم‌افزارهای SPSS تحلیل شد. نتایج آزمایشات نشان داد که شدت رسیدگی میوه و سرعت بارگذاری بر روی چقرمگی معنی‌دار هستند. با افزایش مرحله رشد، حداکثر نیروی گسیختگی گوجه¬فرنگی کاهش پیدا می¬کند. با افزایش میزان رسیدگی، مدول الاستیسیته گوجه¬فرنگی کاهش پیدا می¬کند. در بخش دوم، با استفاده از یک سامانه سورتینگ آزمایشگاهی گوجه‌فرنگی‌ها به کمک تکنیک پردازش تصویر درجه¬بندی شد. سخت¬افزار سامانه درجه¬بندی شامل تسمه‌نقاله، سيستم انتقال قدرت، واحد کنترل الکترونیکی، محفظه نورپردازی، دوربين ديجيتال و کامپیوتر کیفی می‌باشد که واحد کنترل الکترونيکي از يک ميکروکنترلر و يک عملگر تشکيل شده است. برای درجه‌بندی کیفی گوجه‌فرنگی‌ها و همچنین ارزیابی سامانه، از 150 عدد گوجه‌فرنگی انتخاب‌شده در سرعت‌های مختلف تغذیه، به‌صورت برخط تصویربرداری و نتایج مقایسه شد. در نرم‌افزار MATLAB به‌منظور پردازش تصاویر الگوریتم لازم توسعه داده شد. نتایج به‌دست‌آمده در این بخش نشان داد که برای شیب تغذیه سامانه درجه‌بندی 20 درجه و برای واحد انتقال نمونه‌ها سرعت خطی 4/0 متر بر ثانیه و زمان لازم برای تحریک عملگرها 4/0 ثانیه مناسب هست. درصد درجه‌بندی گوجه‌فرنگی‌های کال، نیمه رس، رسیده، به ترتیب 90،80،100 به دست آمد. ظرفیت درجه‌بندی سامانه در 8 ساعت کاری 37888 عدد گوجه‌فرنگی به دست آمد.
Supervisor:
SupervisorE-mail
Golmohammadi, AUNSPECIFIED
Advisor:
AdvisorE-mail
Bejaei, FUNSPECIFIED
Subjects: Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem
Divisions > Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem
Divisions: Subjects > Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem
Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem
Date Deposited: 01 Oct 2018 15:20
Last Modified: 01 Oct 2018 15:20
URI: http://repository.uma.ac.ir/id/eprint/217

Actions (login required)

View Item View Item