توسعه یک الگوریتم بر مبنای روش پردازش تصویر و ماشین بردار پشتیبان برای تشخیص سیب زمینی از کلوخ و سنگ

نویسندگان

چکیده

یکی از مراحل برداشت سیب‌زمینی جداسازی آن از کلوخ و سنگ است که توسط ماشین‌های برداشت و براساس اصطکاک و ارتعاش به‌صورت کامل انجام نمی‌شود و برای تکمیل جداسازی از نیروی کارگری استفاده می‌شود. در این پژوهش، از روش پردازش تصویر و ماشین بردار پشتیبان برای جداسازی سیب‌زمینی از کلوخ و سنگ استفاده شده است. چهارصد نمونه سیب‌زمینی، یکصد نمونه کلوخ و یکصد نمونه سنگ به طور تصادفی انتخاب گردید. پس از انتخاب شرایط تصویربرداری مناسب، تصاویر همه نمونه‌ها به‌صورت تکی گرفته شد. یک الگوریتم پردازش تصویر در نرم‌افزار متلب برای پیش پردازش تصاویر و استخراج ویژگی‌های مختلف رنگی و بافت طراحی گردید. از ویژگی‌های به‌دست آمده، تعداد نه ویژگی به‌عنوان ویژگی‌های مناسب برای طبقه‌بندی انتخاب شد. برای طبقه‌بندی نمونه‌ها از روش ماشین بردار پشتیبان و با درنظر گرفتن دو استراتژی یعنی 3-راهه (سیب‌زمینی، کلوخ و سنگ) و 2-راهه (سیب‌زمینی و غیر سیب‌زمینی) استفاده شد. نرخ طبقه‌بندی صحیح استراتژی 3-راهه و 2-راهه به‌ترتیب برابر 67/98 و %99 با خطای مربعات میانگین برابر (0017/0) بود. با توجه به این نتیجه، جهت جداسازی سیب‌زمینی از کلوخ و سنگ یک سامانه ماشین‌بینایی می‌تواند پیاده‌سازی و مورد استفاده قرار گیرد.

کلیدواژه‌ها

عنوان مقاله [English]

Development of an algorithm based on image processing technique and sport vector machine to distinct potato from clod and stone

نویسندگان [English]

  • Kamran Kheiralipour
  • Yousef Khazaee
  • Adel Hosainpour
  • Hossein Javadikia

چکیده [English]

One of the steps in potato harvesting is to separate potato from clod and stone that cannot be entirely done by the harvester machines based on the friction and vibration and must be completed by labors. In the present study, image processing technique was used to detect the potato tubers and separate them from clod and stone. Four hundred potato, 100 stone and 100 clod specimens were randomly selected. After selecting the optimum imaging condition, the image of all specimens was individually acquired. An image processing algorithm was designed for preprocessing and extracting different color and texture features in MATLAB. From the features extracted, nine useful features were selected for classification. To classify the specimens, the support vector machine was used by considering two strategies: 3-way (potato, clod and stone) and 2-way (potato and non-potato). The correct classification rate of 3-way and 2-way strategies was obtained 98.67 and 99 %, respectively with the same mean square error (0.0017). According to this result, a machine vision system can be implemented for separating potato from clod and stone.

کلیدواژه‌ها [English]

  • Classification
  • Imaging
  • Impurity
  • Potato Separation