ISSN 0021-3454 (печатная версия)
ISSN 2500-0381 (онлайн версия)
Меню

2
Содержание
том 67 / Февраль, 2024
СТАТЬЯ

DOI 10.17586/0021-3454-2021-64-8-656-666

УДК 681.78

МУЛЬТИКАМЕРНАЯ СИСТЕМА ОПРЕДЕЛЕНИЯ РАЗМЕРА ПЛОДОВ СЛОЖНОЙ ФОРМЫ

Динь Б. М.
Университет ИТМО, факультет прикладной оптики ;


Тимофеев А. Н.
Университет ИТМО, Санкт-Петербург, 197101, Российская Федерация; ведущий инженер


Коротаев В. В.
Университет ИТМО, Санкт-Петербург, 197101, Российская Федерация; профессор


Тургалиева Т. В.
Университет ИТМО; аспирант


Читать статью полностью 

Аннотация. Предложена структура оптико-электронной системы обеспечения сепарации плодов сложной формы по их геометрическим параметрам. Описан и апробирован генетический алгоритм для решения задачи оптимизации расположения видеокамер в соответствующих сегментах пространства по критерию обеспечения требуемой погрешности определения формы плода. Имитационное моделирование работы системы показало, что для четырех видеокамер при восстановлении формы плодов с погрешностью 18 мкм в генетическом алгоритме достаточно использовать популяцию из 30 особей. Найдены параметры пространственной ориентации четырех видеокамер, расположенных на расстоянии 500 мм от плода, для оценочной функции погрешности восстановления трехмерных координат точек плода 3,5 мкм.
Ключевые слова: бесконтактный контроль, оптико-электронная система, пространственное расположение видеокамер, генетический алгоритм, обработка изображений, оценка геометрических параметров, оценочная функция, сортировка плодов

Список литературы:
  1. Mcсarthy C. L., Hancock N. H., Raine S. R. Applied machine vision of plants: A review with implications for field deployment in automated farming operations // Intel. Serv. Robot. 2010. N 3. Р. 209—217.
  2. Rachmawati E., Supriana I., Khodra M. L. Toward a new approach in fruit recognition using hybrid RGBD features and fruit hierarchy property // 4th Intern. Conf. on Electrical Engineering, Computer Science and Informatics (EECSI). 2017. Р. 1—6 [Электронный ресурс]: .
  3. Cerfontaine P. A., Schirski M., Bundgens D., Kuhlen T. Automatic multi-camera setup optimization for optical tracking // Proc. of the IEEE Conf. on Virtual Reality. March 2006. Р. 295—296.
  4. Scott W. R. Model-Based View Planning // Machine Vision and Applications. 2009. Vol. 20, N 1. P. 47—69.
  5. Rosell J. R., Sanz R. A review of methods and applications of the geometric characterization of tree crops in agricultural activities // Comput. Electron. Agric. 2012. Vol. 81. Р. 124—141.
  6. Khojastehnazhand M., Omid M., Tabatabaeefar A. Determination of tangerine volume using image processing methods // Intern. J. Food Prop. 2010. Vol. 13, N 4. Р. 760—770.
  7. Динь Б. М., Коротаев В. В., Тимофеев А. Н. Построение оптико-электронных каналов для сортировки фруктов по форме, размеру и цвету // Альманах молодых ученых Университета ИТМО. 2020. Т. 4. С. 51—56.
  8. Khojastehnazhand M., Omid M., Tabatabaeefar A. Development of lemon sorting system based on color and size // Afr. J. Plant Sci. 2010. Vol. 4, N 4. Р. 122—127.
  9. Olague G., Mohr R. Optimal camera placement to obtain accurate 3d point positions // 14th Intern. Conf. on Pattern Recognition. Brisbane, Australia, APRS and IAPR. 16–20 August 1998.Vol. I. P. 8—10.
  10. Dinh B. M., Konyakhin I. A., Timofeev A. N., Korotaev V. V. Increasing the reliability of decision making by improving the characteristics of optoelectronic channels ensuring the separation of complex shape fruit // Smart Electromechanical Systems. April 2021. P. 229—240. DOI:10.1007/978-3-030-68172-2_19.
  11. Rosten E., Porter R., Drummond T. Faster and better: A machine learning approach to corner detection // IEEE Trans. Pattern Anal. Mach. Intell. 2010. Vol. 32. Р. 105—119.
  12. Li L., Zhang Q., Huan D. A review of imaging techniques for plant phenotyping // Sensors. 2014. Vol. 14. Р. 20078—20111.
  13. Brandily M. L., Monbet V., Bureau B., Boussard-Plédel C., Loréal O., Adam J. L, Sire O. Identification of foodborne pathogens within food matrices by IR spectroscopy // Sens Actuators B. 2011. Vol. 160. Р. 202—206.
  14. Lorente D., Aleixos N., Gómez-Sanchis J., Cubero S., García-Navarrete O. L., Blasco J. Recent advances and applications of hyperspectral imaging for fruit and vegetable quality assessment // Food and Bioprocess Technology. 2012. Vol. 5, N 4. Р. 1121—1142. DOI:10.1007/s11947-011-0725-1.
  15. Gongal A., Amatya S., Karkee M., Zhang Q., Lewis K. Sensors and systems for fruit detection and localization: a review // Comput. Electron. Agric. 2015. Vol. 116. Р. 8—19. DOI:10.1016/j.compag.2015.05.021.
  16. Sachdeva V. D., Fida E., Baber J., Bakhtyar M., Dad I., Atif M. Better object recognition using bag of visual word model with compact vocabulary // Proc. 13th Intern. Conf. on Emerging Technologies (ICET). Islamabad, Pakistan, 27—28 December 2017. P. 1—4.
  17. Noordam J. C., Hemming J., Van Heerde C., Golbach F., Van Soest R., Wekking E. Automated rose cutting in greenhouses with 3D vision and robotics: Analysis of 3D vision techniques for stem detection // Acta Horticulturae. Belgium, Leuven: ISHS, 2005. Vol. 691. P. 885—889.
  18. Динь Б. М., Тимофеев А. Н., Коротаев В. В., Ярышев С. Н. Особенности преобразования информации в многоканальных оптико-электронных системах при сепарации фруктов сложной формы // XIV Междунар. конф. „Прикладная оптика-2020“: сб. трудов. 15—18 декабря 2020 г. [Электронный ресурс]: .
  19. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2005. 1072 с.
  20. Шапиро Л., Стокман Дж. Компьютерное зрение. М.: БИНОМ. Лаборатория знаний, 2006. 752 с.
  21. Brown D. C. Application of close-range photogrammetry to measurements of structures in orbit. Technical Report 80-012. Melbourne Florida, Geodetic Services Incorporated. 15 September 1980. Vol. 1. 131 p.
  22. Fraser C. S. Limiting error propagation in network design // Photogramm. Eng. Remote Sensing. 1987. Vol. 48, N 4. Р. 561—570.
  23. Джабиев А. Н., Коняхин И. А., Панков Э. Д. Автоколлимационные углоизмерительные средства мониторинга деформаций. СПб: СПб ГИТМО (ТУ), 2000. 197 с.
  24. Hoang V. P., Konyakhin I. A., Turgalieva T. V., Liu F. Autocollimating system for precise measuring of three angular coordinates // Proc. of SPIE — The Intern. Society for Optical Engineering. Optical Sensing and Detection. 2018. Р. 106802C.
  25. Рутковская Д., Пилиньский М., Рутковский Л. Нейтронные сети, генетические алгоритмы и нечеткие систем / Пер. с польск. И. Д. Рудинского. М.: Горячая линия-Телеком, 2013. 384 с.
  26. Гладков Л. А., Курейчик В. В., Курейчик В. М. Генетические алгоритмы / Под ред. В. М. Курейчика. М.: Физматлит, 2006. 320 с.
  27. Емельянов В. В., Курейчик В. В., Курейчик В. М. Теория и практика эволюционного моделирования. М.: Физматлит, 2003. 432 с.
  28. Андреев А. Л. Моделирование и расчет автоматизированных видеоинформационных систем наблюдения за объектами. Методические указания к лабораторным работам. СПб: НИУ ИТМО, 2013. 82 с.