توسعه روشی جدید مبتنی بر پردازشتصویر برای تشخیصگردو بر روی درخت

نویسندگان

چکیده

استفاده از پردازش تصویر به عنوان یک ابزار زمینه لازم را برای شناسایی دقیق و تعیین موقعیت میوه‌ها در راستای نقشه‌برداری عملکرد فراهم نموده است و پیشرفت در استفاده از حسگرها و تکنولوژی رباتیک این فرصت را به‌وجود آورده تا سیستم‌های مکاترونیکی برداشت محصولات به عنوان ابزارهای کشاورزی در راستای تسهیل کار باغداران و مکانیزه نمودن برداشت توسعه پیدا کنند. گردو از جمله محصولاتی است که نیازمند مدیریت صحیح و علمی در زمان برداشت می‌باشد. برداشت گردو به روش سنتی هزینه کارگری و خطر زیادی برای برداشت‌کنندگان به همراه دارد. علاوه بر هزینه زیاد و عملکرد نسبتا پایین شیکرهای گردو، وجود درختان با ارتفاع بالا و تنه بسیار بزرگ و باغات نامنطم و ناهموار، امکان استفاده فراگیر از تکنوژی و ماشین‌آلات موجود در برداشت مکانیزه را کاهش داده است. یکی از ابزارهای کشاورزی دقیق تهیه نقشه عملکرد محصول برای مدیریت مکانی در تولید محصول بیشتر می‌باشد. با مدیریت مکانی مبتنی بر درک دلایل تغییرات محیط‌های مختلف، عملکرد محصول افزایش می‌یابد. لذا در راستای تعیین عملکرد و ساخت ربات برداشت، یک الگوریتم پردازش تصویر برای تشخیص و تعیین موقعیت میوه گردو بر روی درخت در شرایط نور طبیعی ارائه گردید. الگوریتم ارائه شده بر پایه ویژگی‌های بافت تصویر، الگوی تراکم سایه روشن و لبه‌یابی عمل می‌کند. استفاده از ویژگی بافت در ترکیب با الگوی تراکم سایه روشن به عنوان یک روش ابتکاری در شرایطی که میوه و برگ طیف رنگی مشترکی دارند عملکرد مناسبی داشت. در این روش تشخیص میوه مستقل از شکل آن انجام گرفت تا تأثیر انسداد منظر میوه بر عملکرد الگوریتم به حداقل برسد. بررسی نتایج استفاده از این الگوریتم نشان داد که روش ارائه شده با نرخ تشخیص ??.? درصد توانایی شناسایی گردوهای داخل تصاویر گرفته شده از درختان را دارد همچنین میوه‌هایی که به صورت چندتایی در کنار هم قرار داشتند با نرخ تفکیک ?? درصد از همدیگر تشخیص داده شدند. عوامل عدم تشخیص گردو به ترتیب شامل خطای ناشی از تیرگی تصویر میوه با نرخ ?.? درصد، وضوح پایین با نرخ ?.? درصد، مقیاس نامناسب با نرخ ?.? درصد، تفکیک میوه‌های کنار هم با نرخ ?.? درصد و انسداد منظر میوه با نرخ ?.? درصد بودند.

کلیدواژه‌ها

عنوان مقاله [English]

Developing a new method based on image processing to detect walnuts on trees

نویسندگان [English]

  • Jafar Amiri Parian
  • Ali Yousefvand

چکیده [English]

The use of digital image processing (DIP) has made it possible to exactly locate fruits to survey the performance. Moreover, advancements in the use of sensors and the robot technology have provided an opportunity to develop mechatronic crop harvesting systems as agricultural tools to facilitate gardening and harvesting mechanization. Walnuts are among crops that require proper and science-based management when harvesting. Traditional walnut harvesting has a high cost and high risk for Harvesting workers. In addition to the high cost and relatively low performance of walnut shakers, tall and large-trunk trees and irregular and rolling gardens make it difficult to widely employ mechanized harvesting technologies and machinery. One of the precision agricultural tools is crop yield mapping for local management and higher crop production. Product performance increases with local management based on understanding the causes of changes in different environments. Hence, to evaluate performance and build a harvesting machine, a DIP algorithm is proposed to detect and locate walnuts on trees in a natural light condition. The proposed algorithm functions based on image texture characteristics, light and shade density, and edge detection. The use of texture characteristics in combination with the light and shade density as an innovative method has worked well in conditions where fruits and leaves have a common color spectrum. In this method, fruit detection was independent of its shape to minimize the effect of fruits appearance obstruction on the algorithm's performance. The results indicated that the proposed method was able to detect walnuts in images taken from trees with a detection rate of ??.?%. The fruits that were next to each other were also distinguished at ??% resolution. Walnut detection-inhibiting factors were image darkness-induced errors with ?.?%, low resolution with ?.?%, improper scale with ?.?%, distinguish the tandem walnuts with ?.?%, and walnut appearance obstruction with ?.?%

کلیدواژه‌ها [English]

  • digital image processing
  • edge detection
  • image texture
  • morphology
  • walnut