Sabtu, 04 Juni 2016

TUGAS 3 : HAKI



Image processing system for detecting bruises on fruit

ABSTRAKSI
Sebuah gambar pengolahan teknik untuk mendeteksi dan mengukur ukuran memar pada buah, seperti apel, diungkapkan. Sebuah kamera garis scan digunakan untuk memperoleh tingkat abu-abu gambar masing-masing sepotong buah seperti yang diputar di depan kamera. Gambar yang didigitalkan, dan ditransfer ke komputer yang melakukan sejumlah langkah pada gambar untuk menentukan ukuran dari setiap memar pada buah dari data tingkat abu-abu. Data disaring untuk menghilangkan gangguan karena variasi pixel-ke-pixel di kamera, kebisingan latar belakang, dll, dan kemudian thresholding untuk mendapatkan biner gambar representasi. Cluster nol dalam menghasilkan biner gambar yang mewakili memar potensial dianalisis untuk menentukan ukuran dan bentuk mereka. Jika bentuk cluster hampir melingkar, itu ditentukan untuk menjadi memar. Dari informasi ini, jumlah daerah memar pada buah dapat ditentukan, dan buah dinilai sesuai.




BIDANG TEKNIS
A.   LATAR BELAKANG PENEMUAN
Penemuan ini berhubungan dengan sistem otomatis untuk mendeteksi memar pada apel, atau buah yang sama, yang mempekerjakan unik gambar pengolahan teknik untuk membedakan jaringan memar dari jaringan non-memar.

Apel yang dinilai sesuai dengan jumlah kulit memar pada permukaannya. Di New York State, misalnya, apel untuk pengolahan berkurang nilai ketika lebih dari 5% dari total permukaan apel memar. Apel segar pasar, di sisi lain, yang dinilai tidak hanya pada ukuran memar, tetapi juga pada jumlah memar. Kebanyakan apel yang dinilai untuk ukuran dan memar oleh inspektur USDA yang meneliti sebagian kecil dari apel dipilih secara acak dari setiap beban truk. Perbedaan dalam metode evaluasi inspektur dan penghakiman memungkinkan untuk variasi yang signifikan dan tidak diinginkan dalam penerapan standar USDA. Apa yang akan diinginkan kemudian, adalah untuk sebuah sistem otomatis yang akan dirancang yang dapat dengan cepat dan akurat menentukan jumlah memar di permukaan apel ini.

Dalam beberapa tahun terakhir, pekerjaan pembangunan yang cukup besar pada sistem penilaian apel otomatis telah dilakukan. Misalnya, US Pat. No 3.867.041, Brown et al., Mengungkapkan suatu metode untuk mendeteksi memar pada buah yang mempekerjakan penggunaan reflektansi permukaan difus radiasi inframerah dekat untuk membedakan jaringan memar dari jaringan non-memar. Dalam ASAE Paper No 81-3537 (1981), Graf et al. menunjukkan teknik deteksi pantul ini menggunakan pencitraan digital sebagai sarana untuk melakukan deteksi dengan proses non-kontak di lingkungan laboratorium. Eksperimen dengan berbagai gambar teknik analisis menunjukkan bahwa klasifikasi statistik linear multivariat dari setiap pixel dalam sebuah apel gambar menjadi pendekatan yang paling sukses untuk mengklasifikasikan jaringan apel dicitrakan memar atau non-memar. Algoritma klasifikasi diklasifikasikan memar dan non-memar daerah jaringan serta inspektur manusia.

Pada tahun 1984, RW Taylor et al. menunjukkan bahwa kamera garis scan digital dapat digunakan dalam sistem ini di tempat kamera matrix digital (Taylor, RW, Rehkugler, GE, Throop, JA, Apple Bekam Detection Menggunakan Digital Jalur Pindai Camera System, Pertanian Electronics-1983 and Beyond . American Society of Engineers Pertanian, pp. 652-662). Hal ini menghilangkan distorsi spasial perspektif dalam satu dimensi dan, diperbolehkan dengan penempatan kamera-hati, penghapusan latar belakang dalam gambar . Taylor menemukan bahwa proses klasifikasi kuadrat statistik yang digunakan tidak cukup kuat untuk menangani variabilitas data. Karena kurangnya keseragaman diproduksi antara piksel, sebuah, proses rumit memakan waktu normalisasi respon pixel yang diperlukan untuk meningkatkan proses klasifikasi ini. Konversi algoritma Taylor dari kuadrat ke classifier linear telah gagal untuk meningkatkan kinerja mereka. Oleh karena itu, pendekatan non-statistik untuk gambar analisis untuk mengklasifikasikan jaringan apel dan algoritma baru diperlukan. Algoritma dan klasifikasi proses yang sesuai akan menjadi salah satu yang memberikan hasil yang sama atau lebih baik dari klasifikasi pada gambar apel sama dengan algoritma yang digunakan oleh Graf et al.

B.      RINGKASAN PENEMUAN
Oleh karena itu obyek dari penemuan ini untuk memberikan peningkatan digital image processing teknik untuk digunakan dengan sistem penilaian buah otomatis yang memungkinkan jumlah daerah memar pada apel, atau buah yang sama, untuk menjadi cepat dan akurat ditentukan. Ini, dan benda-benda lain dari penemuan ini dicapai melalui penggunaan kamera pemindaian baris seperti yang digunakan oleh Taylor, dan unik gambar pengolahan teknik yang menghilangkan memakan proses normalisasi yang digunakan oleh Taylor waktu. Selain itu, pengolahan teknik menghilangkan kebutuhan untuk penempatan kamera-hati dengan memungkinkan latar belakang dalam gambar yang akan disaring.

Lebih khusus, penemuan ini menggunakan sistem apel atau penanganan buah terdiri dari bagian berorientasi, dan bagian dan kurus dan pencitraan. Sebuah terus bergerak transportasi cup conveyor digunakan untuk mengangkut buah ke dan kurus dan pencitraan bagian. Setiap cangkir transportasi berbentuk kerucut untuk penerimaan dari apel, atau buah yang sama, dan memiliki dasar terbuka sehingga roda berputar berorientasi dapat terlibat bagian bawah buah karena mendekati dan kurus dan pencitraan bagian. Roda berorientasi menjamin bahwa sumbu batang-kelopak apel akan tetap vertikal selama pencitraan, dan bahwa hanya pipi apel akan terkena kamera garis scan. jenis perangkat buah berorientasi diungkapkan dalam US Pat. No 3.225.892 untuk Keesling, yang digabungkan dengan referensi.

Dekat setiap cangkir transportasi adalah satu diperpanjang Link pin coupler digunakan untuk terlibat mekanisme spindle di dan kurus dan pencitraan bagian, dan membawanya bersama dengan setiap cangkir transportasi. Mekanisme spindle dipasang pada dua pemandu gerak linier paralel dan musim semi dimuat untuk melawan gerakan dalam arah perjalanan transportasi cangkir. Setelah melakukan perjalanan melalui urutan operasinya, mekanisme spindle pegas mundur untuk dijemput oleh transportasi cup pin drive berikutnya.

Tujuan dari mekanisme spindle adalah untuk terlibat setiap apel, dan meningkatkan keluar dari cup transportasi sehingga bahwa apel dapat dilihat oleh kamera garis scan. Selain itu, mekanisme spindle termasuk drive motor yang berputar apel di depan kamera sehingga sebuah gambar dari seluruh permukaan apel dapat diperoleh.

Sebuah 64 pixel linear kamera fotodioda array terpasang pada lengan poros yang melekat pada mekanisme spindle, dan menyebabkan kamera untuk memutar sedikit sebagai cangkir transportasi bergerak mekanisme spindle, sehingga kamera akan tetap fokus pada pusat buah seperti itu bergerak melewati kamera. Lengan kamera poros kembali oleh gaya pegas ke titik awal setiap kali mekanisme spindle membalasnya untuk dijemput oleh cangkir transportasi berikutnya.

Sebuah poros encoder optoelektronik dipasang pada mekanisme spindle, dan memiliki 250 pulsa per keluaran revolusi yang disediakan sebagai awal pulsa ke kamera, sehingga dua dimensi 64 × 250 pixel gambar dicatat untuk setiap apel. Sinyal poros encoder yang dipotong dari kamera sampai saklar optoelektronik dibuang dekat lengan kamera poros diaktifkan karena gerakan lengan pivot. Hal ini memungkinkan kamera untuk mendapatkan gambar . Sebuah antarmuka disediakan yang mencakup 8 bit A ke D converter yang mendigitalkan gambar data dan transfer ke memori pengolah data, seperti komputer mini.

Sebuah akrilik diffuser plastik sedikit tembus dibuang di depan empat lampu tungsten tubular yang dipasang pada sebuah kotak pencahayaan apel untuk menerangi apel sesuai dengan ajaran Brown et al. paten. Paten ini juga digabungkan dengan rujukan. Sebuah filter umpan panjang ditempatkan di depan lensa kamera untuk menghilangkan transmitansi radiasi kurang dari 750 nanometer panjang gelombang.
Kendala utama dalam mudah mendefinisikan perbedaan antara jaringan apel memar dan non-memar di gambar adalah bahwa perbedaan pemantulan dua jaringan ini hanya antara 10 dan 20 persen perbedaan tingkat abu-abu. Karena batas tidak jelas antara daerah, kebisingan hadir dalam gambar, dan variasi pixel-ke-pixel di bidang manufaktur, klasifikasi jenis jaringan menjadi lebih sulit.

Dibandingkan dengan matriks digital image seperti dipekerjakan oleh Graf et al., Variasi pixel menjadi sangat terasa di baris memindai digital image . Dalam 64 pixel × 250 pixel gambar , masing-masing dari 250 nilai piksel berturut-turut telah dirasakan oleh kamera pixel yang sama. Hal ini menyebabkan tingkat abu-abu gambar terdiri dari cahaya dan baris gelap karakteristik individu piksel. Perubahan lain abu-abu tingkat karena memar, pencahayaan yang tidak merata, dan kebisingan kemudian ditumpangkan pada respon pixel individu. Jika variasi ini dikeluarkan oleh sebuah proses normalisasi (Taylor, 1984), maka klasifikasi tipe jaringan dengan tingkat abu-abu menjadi lebih jelas. Untuk menghindari proses normalisasi ini dan pengolahan waktu membutuhkan, penemuan ini membuat penggunaan yang unik gambar pengolahan teknik yang memproses setiap gambar secara baris-demi-baris.

Ini pengolahan teknik termasuk langkah-langkah berikut. Masing-masing nilai 250 pixel dalam satu baris dari tingkat abu-abu gambar adalah kata data 8 bit antara 0 dan 255, dengan 0 mewakili warna hitam, dan 255 mewakili putih. Sebuah operator linear digital diterapkan pada tingkat abu-abu gambar melakukan penyaringan low-pass asli gambar pada setiap 64 baris, secara baris-demi-baris. Operator digital ini membutuhkan pengguna yang dipilih penyaring pixel lebar, seperti 31 nilai-nilai pixel pertama berturut-turut, menemukan nilai rata-rata mereka, dan memberikan nilai rata-rata ke pixel tengah atau enam belas nilai 31 pixel. Rata-rata dari pixel nilai 2-32 adalah berikutnya ditemukan, dan ditugaskan untuk pixel 17. Proses ini berlanjut sampai semua 250 nilai piksel di setiap 64 baris telah digantikan oleh rata-rata 31 pixel. Untuk yang terakhir 30 piksel di setiap baris, membungkus teknik digunakan untuk mendapatkan rata-rata ini. Jadi, misalnya, nilai untuk pixel 250 akan menjadi rata-rata nilai-nilai asli piksel 235-250, dan piksel 1-15.

Teknik low pass filtering sehingga secara efektif menggantikan setiap nilai piksel dalam deretan kata-kata data, dengan rata-rata nilai dan nilai-nilai dari sejumlah nilai-nilai pixel yang berdekatan, di baris yang sama. Perlu dicatat bahwa nilai-nilai pixel pertama dan terakhir berturut-turut dapat dikatakan berdekatan satu sama lain, karena dua dimensi gambar yang terbentuk sebagai apel berputar sebenarnya "melilit" pada dirinya sendiri.

Teknik ini low pass filtering memiliki efek menghaluskan gambar sehingga transisi tajam dalam gambar karena, misalnya, memar tepi dieliminasi. Dengan demikian, dihasilkan low pass disaring gambar cenderung merupakan bagian yang tidak diinginkan dari asli image yang karena pixel-ke-pixel variasi, latar belakang, kebisingan, dll

Dengan berikutnya mengurangkan asli gambar dari pass filter rendah gambar , dan kemudian menetapkan semua nilai-nilai negatif ke nol, disaring sehingga gambar diperoleh yang merupakan tingkat abu-abu dari permukaan apel, tanpa efek samping dari variasi pixel, latar belakang, atau kebisingan. gambar yang diperoleh terbalik, namun, dengan nol mewakili area terang, dan nilai-nilai positif yang mewakili daerah gelap di permukaan apel.

Resultan disaring gambar yang berikutnya thresholding pada perbedaan tingkat abu-abu sewenang-wenang dipilih untuk membentuk biner gambar yang memiliki 255 sebagai nilai-nilai pixel mana-mana kecuali di nilai paling gelap asli dari tingkat abu-abu gambar . Nilai-nilai paling gelap ditugaskan nilai 0. Jadi, kata-kata data yang memiliki nilai-nilai pada atau di atas ambang batas akan ditugaskan nilai 0, sedangkan kata-kata data yang memiliki nilai di bawah ambang batas, akan ditugaskan nilai 255. Nilai ambang bervariasi sesuai dengan gambar kualitas, pencahayaan latar belakang, dll, dan biasanya ditetapkan pada nilai antara 0 dan 30.

Selanjutnya, biner diperoleh gambar diproses untuk menghilangkan angka nol liar atau 255 ini. Jadi, misalnya, jika nol dihargai word data terletak berturut-turut, dan dikelilingi oleh kata-kata data yang memiliki 255 sebagai nilai-nilai mereka, bahwa nol dihargai kata data berubah menjadi 255. Demikian pula, jika 255 dihargai kata data ditemukan dikelilingi oleh sekelompok nol kata data penting, kata data yang diubah menjadi nol. Proses ini membantu untuk lebih menyaring tanggapan yang bukan karena memar.

Biner gambar sekarang sirkuler bergeser sampai tidak ada nol dihargai kata data yang hadir dalam kolom pertama. Hal ini untuk memastikan bahwa sekelompok nol mewakili memar tidak akan dibagi menjadi dua bagian di gambar , dan menghilangkan rumit "membungkus" pengolahan dari gambar . Jika setelah seluruh gambar digeser, tidak ada kolom ditemukan tidak memiliki angka nol di dalamnya, pengguna diinformasikan bahwa nilai ambang batas terlalu rendah, dan harus ditingkatkan. Proses di atas kemudian diulang dengan nilai ambang batas baru.

Suatu bentuk kontur berikut sekarang diterapkan untuk setiap nol klaster dihargai di biner gambar . Ini menempatkan dan menghitung piksel perimeter, dan menghitung total piksel di setiap cluster untuk penentuan daerah.

Akhirnya, ukuran berdimensi bentuk, disebut rasio ketipisan, T, sekarang dihitung untuk setiap cluster nol, di mana T = 4π (A / P 2 ), dan di mana A = daerah cluster nol, dan P = perimeter cluster nol.

Dari rasio ketipisan ini, bentuk tiap cluster dari nol dalam gambar dapat ditentukan. Dengan thresholding nilai T antara minimum dan nilai maksimum, hanya kelompok bentuk hampir lingkaran dihitung. Untuk lingkaran sempurna, T = 1, dan dengan demikian T pengambangan antara beberapa nilai kurang dari 1 (misalnya 0,4), dan beberapa nilai lebih besar dari 1 (misalnya 1.5). Sejak memar pada apel cenderung bundar, penggunaan rasio ketipisan dengan cara ini membantu memastikan bahwa hanya kelompok nol yang mewakili memar akan dihitung. Daerah masing-masing klaster dihitung sekarang dapat digunakan untuk menentukan daerah memar total, dan dari ini, apel kelas.

URAIAN SINGKAT GAMBAR
Gambar di bawah dan tambahan objek, fitur dan keuntungan dari penemuan ini akan menjadi jelas bagi orang yang ahli dalam seni dari pertimbangan yang lebih rinci berikut daripadanya diambil dalam hubungannya dengan gambar-gambar terlampir dimana:
ARA. 1 adalah sisi diagram elevasi dari sistem secara keseluruhan digunakan dalam penemuan ini untuk mendapatkan gambar dari sebuah apel;
ARA. 2 adalah diagram blok umum dari gambar sirkuit untuk penemuan ini; dan
ARA. 3 adalah diagram alir yang menunjukkan gambar pengolahan teknik penemuan ini.



URAIAN LENGKAP PENEMUAN
Sekarang kembali ke pertimbangan yang lebih rinci dari penemuan ini, ada diilustrasikan pada Gambar. 1, sistem secara keseluruhan yang digunakan oleh penemuan ini untuk mendapatkan gambar dari apel, atau buah yang sama. Secara khusus, ditunjukkan dalam Gambar. 1, apel, atau bagian sejenis buah 10, dibuang di sebuah cangkir transportasi 12. Ini akan dipahami bahwa pluralitas cangkir transportasi ini yang membentuk conveyor akan digunakan dalam sistem, namun, untuk tujuan dari penemuan ini, itu sudah cukup untuk menggambarkan hanya satu transportasi cangkir tersebut. Cup transportasi 12 yang ditampilkan dibuang di dan kurus dan pencitraan bagian dari sistem, dan apel 10 berorientasi sehingga sumbu batang-kelopak adalah vertikal. Orientasi ini dilakukan sebelum kedatangan di dan kurus dan pencitraan bagian dengan mekanisme yang sama dengan yang diungkapkan dalam US Pat. No 3.225.892 untuk Keesling.

Mekanisme dan kurus ditampilkan umumnya pada 14 termasuk sepasang spindle 16 dan 18 untuk mengangkat apel dari transportasi cup 12, dan berputar apel di depan sebuah iluminasi kotak apel 20. pencabutan apel dicapai melalui aksi dari spindle motor penggerak 22, bola sekrup 24, dan bola kacang 26, sedangkan rotasi apel dikendalikan oleh sebuah apel rotasi penggerak motor 28, dan gigi terkait dan mekanisme transmisi jenis rantai umumnya digambarkan pada 30.

Dan kurus mekanisme 14 dilakukan bersama dengan transportasi cup 12 oleh drive pin 32 pada piala 12, dan slide sepanjang sepasang gerak linear panduan 34 dan 36. Sebuah pluralitas batas dan lokasi switch 38, 40, 42, dan 44 yang disediakan di mekanisme 14 dan kurus untuk mengontrol urutan berbagai gerakan mekanisme sirkuit terkait, yang tidak ditampilkan.

Bagian pencitraan termasuk apel pencahayaan kotak 20 yang memiliki sejumlah lampu tungsten tubular 46 dibuang di dalamnya. Sebuah sedikit tembus akrilik plastik diffuser 48 dipasang pada kotak 20 di depan lampu 46 sehingga apple 10 akan diterangi oleh berdifusi dekat radiasi infra merah sesuai dengan metode yang ditetapkan dalam US Pat. No 3.867.041 untuk Brown et al. Cahaya terpantul dari permukaan apel 10, diarahkan melalui bagian 50 dalam kotak 20 untuk lensa 52 dari kamera garis scan 54. Lens 52 telah lama pass filter dibuang di depan itu (tidak ditampilkan), untuk menghilangkan transmitansi radiasi memiliki panjang gelombang kurang dari 750 nanometer. Garis scan kamera 54 lebih disukai adalah 64 pixel kamera linear dioda array, seperti EG & G Reticon Model LC 600, dan dipasang pada poros 56. poros ini terhubung ke poros lengan 58, yang pada gilirannya terhubung ke mekanisme dan kurus 14 , dan memungkinkan kamera untuk tetap fokus pada apel karena perjalanan bersama dengan mekanisme conveyor dan dan kurus.

Untuk mengendalikan operasi garis scan kamera 54, poros encoder optoelektronik 60 terhubung ke ujung bawah spindle 16, yang menghasilkan 250 pulsa elektrik untuk setiap revolusi poros. Pulsa ini digunakan sebagai awal pulsa untuk garis scan kamera 54, dan memungkinkan 64 × 250 pixel gambar yang akan direkam untuk setiap apel. Switch optoelektronik 62 disediakan yang diaktifkan oleh poros lengan 58 yang mencegah pulsa ini dari sedang dikirim ke kamera sampai lengan poros mulai bergerak.

Beralih sekarang untuk FIG. 2, diagram blok umum dari sirkuit pencitraan diilustrasikan. Secara khusus, garis scan kamera 54 ditampilkan sebagai dikendalikan melalui optoelektronik saklar 62, dengan poros encoder 60. Sebuah antarmuka 64 disediakan yang mencakup A ke D converter (tidak ditampilkan) sehingga gambar data dari kamera 54 dapat didigitalkan, dan ditransfer ke salah satu komputer 66, atau perangkat layar 68.

ARA. 3 menunjukkan diagram alir untuk gambar pengolahan teknik dimanfaatkan oleh komputer 66 untuk mendeteksi dan menghitung luas setiap memar pada permukaan apel 10. Proses ini ditetapkan di bawah ini, dan melibatkan sejumlah langkah yang diterapkan pada komputer dengan subrutin. Sebuah contoh program untuk melaksanakan proses disertakan pada akhir deskripsi ini sebagai Lampiran, dan itu digabungkan dengan referensi.

Setelah garis scan kamera 54 memperoleh dua dimensi lengkap gambar apel, yang gambar data disimpan dalam memori komputer, seperti pada floppy disk. Seperti yang ditunjukkan dalam diagram alir dari Gambar. 3, setelah berbagai parameter proses dimasukkan ke dalam komputer, apel gambar data dibaca dari disk, dan low pass disaring. Low pass filtering ini dilakukan atas dasar baris-demi-baris untuk masing-masing 64 baris dari gambar , dan dicapai dengan cara berikut. Masing-masing dari 250 piksel berturut-turut diwakili oleh kata data 8 bit, dan memiliki nilai antara 0 dan 255, dengan 0 mewakili benar-benar hitam gambar , dan 255 mewakili benar-benar putih gambar . Sebuah operator linear digital yang melakukan low pass filtering mengambil lebar pengguna yang dipilih penyaring pixel (salah satu parameter proses), seperti 31 nilai-nilai pixel pertama berturut-turut, menemukan nilai rata-rata mereka, dan memberikan nilai rata-rata ke tengah atau keenam belas dari nilai-nilai 31 pixel. Rata-rata nilai pixel 2-32 kini ditemukan, dan ditugaskan untuk pixel 17. Proses ini berlanjut sampai semua 250 nilai piksel di setiap 64 baris telah digantikan oleh rata-rata 31 pixel. Untuk yang terakhir 30 piksel di setiap baris, membungkus teknik digunakan untuk mendapatkan rata-rata ini. Jadi, misalnya, nilai pixel 250 akan menjadi rata-rata nilai-nilai asli piksel 235-250, dan piksel 1-15.

Teknik low pass filtering sehingga secara efektif menggantikan setiap nilai piksel berturut-turut, dengan rata-rata nilai dan nilai-nilai dari sejumlah nilai-nilai pixel yang berdekatan, di baris yang sama. Perlu dicatat bahwa nilai-nilai pixel pertama dan terakhir berturut-turut dapat dikatakan berdekatan satu sama lain, karena dua dimensi gambar yang terbentuk sebagai apel berputar sebenarnya "melilit" pada dirinya sendiri.

Tujuan dari prosedur low pass filtering adalah untuk kelancaran keluar nada abu-abu gambar untuk hanya menampilkan fluktuasi dari latar belakang umum. Hal ini diperlukan untuk sejumlah alasan termasuk: variasi pixel-ke-pixel yang diciptakan oleh garis scan kamera yang menghasilkan garis-garis di gambar , batas tidak jelas antara daerah dari gambar , dan kebisingan hadir dalam gambar . The low pass penyaringan teknik rata-rata yang warna abu-abu, dan memiliki efek menyaring transisi warna yang tajam yang indikatif, misalnya, dari tepi memar.

Untuk mendapatkan disaring gambar yang hanya mewakili variasi karena memar apel, asli tone abu-abu gambar dikurangi dari pass filter rendah gambar , dengan resultan disaring gambar menjadi efektif kebalikan dari suatu gambar yang mencakup variasi karena hanya memar. Dengan menetapkan semua nilai negatif dari resultan disaring gambar ke nol, hanya bagian gelap dari gambar (mereka menunjukkan memar) akan memiliki nilai pixel yang positif.

Langkah berikutnya dalam proses ini adalah untuk ambang batas disaring dihasilkan gambar sehingga biner dua dimensi gambar dapat diperoleh. Jadi semua kata data yang memiliki nilai pixel di bawah ambang batas, dan dengan demikian menunjukkan jaringan memar, ditetapkan dengan nilai 255, sementara semua kata data yang memiliki nilai pixel pada atau di atas ambang batas, dan dengan demikian menunjukkan jaringan memar, ditetapkan untuk nilai 0. nilai ambang batas sewenang-wenang dipilih, dan biasanya di suatu tempat antara 0 dan 30, tergantung pada gambar berkualitas, pencahayaan latar belakang, dll

Selanjutnya, biner diperoleh gambar diproses untuk menghilangkan angka nol liar atau 255 ini. Jadi, misalnya, jika nol dihargai word data terletak berturut-turut, dan dikelilingi oleh kata-kata data yang memiliki 255 sebagai nilai-nilai mereka, bahwa nol dihargai kata data berubah menjadi 255. Demikian pula, jika 255 dihargai kata data ditemukan dikelilingi oleh sekelompok nol kata data penting, kata data yang diubah menjadi nol. Proses ini membantu untuk lebih menyaring tanggapan yang bukan karena memar.

Selanjutnya, biner yang dihasilkan gambar yang sirkuler bergeser sampai tidak ada nol dihargai kata data yang hadir dalam kolom pertama dari gambar . Tujuan dari ini adalah untuk memastikan bahwa kelompok nol mewakili memar apel tidak akan muncul dalam dua bagian dari gambar , dan menghilangkan rumit "membungkus" pengolahan dari gambar . Jika setelah seluruh gambar digeser, tidak ada kolom ditemukan tidak memiliki angka nol di dalamnya, pengguna diinformasikan bahwa nilai ambang batas terlalu rendah, dan harus ditingkatkan. Proses di atas kemudian diulang dengan nilai ambang batas baru.

Suatu bentuk kontur berikut sekarang diterapkan untuk setiap 0 pixel nilai klaster di biner gambar . Ini menempatkan dan menghitung piksel perimeter, dan menghitung total piksel di setiap cluster untuk penentuan daerah.

Ukuran dan bentuk dari masing-masing cluster nol sekarang harus diukur untuk menentukan apakah pada kenyataannya, cluster mewakili memar. Jelas, beberapa bagian gelap dari gambar mungkin tidak mewakili memar, tetapi dapat mewakili bintik-bintik kotoran, daerah gelap yang disebabkan oleh kontur geometris pada apel, atau sedikit variasi dalam pencahayaan di tepi atas dan bawah apel gambar . Daerah-daerah ini harus tidak dihitung sebagai daerah memar.

Untuk memastikan bahwa hanya kelompok nol yang mewakili memar dihitung, ukuran berdimensi bentuk disebut rasio ketipisan, T, dihitung untuk setiap cluster nol dimana:

T = 4π (A / P 2 )

dan,

A = daerah cluster
P = perimeter cluster

Luas dan keliling dari setiap cluster mudah diperoleh dengan menghitung jumlah total angka nol dalam cluster, dan jumlah angka nol di perimeter cluster. Dengan thresholding nilai T antara minimum dan nilai maksimum, hanya kelompok bentuk hampir bundar akan dihitung. Untuk lingkaran sempurna, T = 1, dan dengan demikian T pengambangan antara beberapa nilai kurang dari 1 (misalnya 0,4), dan beberapa nilai lebih besar dari 1 (misalnya 1.5). Karena sebagian besar memar apel cenderung bundar, ini akan menghasilkan hanya kelompok yang mewakili memar dihitung.

Akhirnya, total luas memar pada apel sekarang dapat dengan mudah dihitung, dan dari ini, apel dapat dinilai. Proses di atas menghilangkan memakan prosedur normalisasi digunakan oleh Taylor waktu, dan telah terbukti secara eksperimental untuk menjadi akurat dan cepat, dengan akurasi gradasi sama atau lebih baik dari inspektur USDA, dan kecepatan setinggi 30 apel per menit. Diharapkan penyempurnaan lebih lanjut dari pencitraan dan pengolahan sistem dapat meningkatkan kinerja sistem secara keseluruhan jauh.

Meskipun penemuan ini telah digambarkan dalam hal perwujudan yang disukai, akan dipahami bahwa berbagai variasi dan modifikasi dapat dibuat dari orang-orang yang ahli dibidangnya tanpa menyimpang dari semangat dan cakupan konsep inventif sebagaimana diatur dalam berikut klaim: ## SPC1 ##

KLAIM
Apa yang diklaim adalah:
1.       Sebuah metode untuk optik menentukan jumlah daerah memar pada permukaan sepotong buah yang terdiri dari langkah:
a.       memperoleh tingkat abu-abu dua dimensi gambar dari sepotong buah dengan kamera garis scan,
b.      mentransfer gambar data dari kamera ke prosesor data;
c.       menyaring gambar Data untuk menghilangkan gangguan dan kebisingan di gambar ;
d.      thresholding yang gambar data untuk menghasilkan biner dua dimensi gambar termasuk pluralitas kata data yang hanya memiliki dua nilai yang berbeda; nilai pertama yang merupakan indikasi dari tempat gelap pada sepotong buah;
e.      menghitung cluster kata data kata pertama dari kata nilai untuk menentukan daerah dan bentuknya;
f.        menentukan dari bentuk kata kelompok yang dari kata cluster mewakili memar; dan
g.       menentukan dari kelompok yang mewakili memar, daerah pada permukaan sepotong buah ditutupi oleh memar tersebut.

2.       Metode klaim 1, dimana kata garis scan kamera meliputi sejumlah piksel, dan mengatakan langkah untuk memperoleh gambar dengan garis scan kamera termasuk:
a.       berputar sepotong buah di depan kamera; dan,
b.      menghasilkan sejumlah pulsa awal untuk mengatakan garis scan kamera sebagai buah berputar untuk menghasilkan dua dimensi gambar yang memiliki sejumlah baris kata-kata data yang memiliki nilai-nilai yang sebanding dengan tingkat abu-abu dirasakan oleh individu piksel sebagai buah berputar.

3.       Metode klaim 2, dimana langkah kata menyaring gambar Data terdiri dari:
a.       mengganti nilai dari setiap kata data di setiap baris dengan rata-rata nilai dari kata data dan pluralitas kata data yang berdekatan berturut-turut itu;
b.      mengurangkan nilai asli dari setiap kata data dari nilai diganti untuk setiap kata data yang sama; dan,
c.       pengaturan nilai dari setiap kata data yang memiliki nilai negatif setelah mengatakan pengurangan nol.

4.       Metode klaim 3, dimana langkah kata dari thresholding citra data yang meliputi:
a.       membandingkan setiap nilai kata data dalam disaring gambar dengan nilai ambang batas sewenang-wenang dipilih;
b.      pengaturan nilai-nilai semua kata data yang memiliki nilai pixel yang lebih besar dari atau sama dengan mengatakan nilai ambang ke nol;
c.       pengaturan nilai-nilai semua kata data yang memiliki nilai pixel kurang dari kata nilai ambang batas untuk nilai lebih besar dari nol; dan,
d.      dimana kata nilai pertama menunjukkan tempat gelap adalah nol.

5.       Metode klaim 4, dimana langkah menghitung cluster kata data yang memiliki nilai nol meliputi: menghitung jumlah kata data setiap cluster dari nol pixel dihargai kata data untuk menghitung luas setiap cluster;
a.       menghitung jumlah kata data dalam perimeter setiap cluster nol pixel dihargai kata data untuk menentukan perimeter setiap cluster; dan,
b.      dari kata luas dan keliling pengukuran, menentukan bentuk setiap cluster dari nol pixel kata data penting.

6.       Metode klaim 5 lebih lanjut termasuk:
a.       menentukan kelompok nol pixel dihargai kata data yang memiliki bentuk yang hampir melingkar; dan,
b.      menghitung hanya mereka cluster yang hampir berbentuk lingkaran sebagai wakil dari memar pada sepotong buah.

7.       Sebuah metode untuk optik menentukan jumlah daerah memar pada permukaan sepotong buah yang terdiri dari langkah:
a.       memperoleh tingkat abu-abu dua dimensi gambar dari sepotong buah dengan garis pixel kamera beberapa scan, mengatakan gambar yang memiliki sejumlah baris kata-kata data dengan nilai-nilai yang sebanding dengan tingkat abu-abu dirasakan oleh setiap pixel dari kamera sebagai sepotong buah diputar di depan kamera;
b.      mentransfer gambar data dari kamera ke prosesor data;
c.       mendapatkan disaring gambar dengan menggantikan nilai dari setiap kata data di setiap baris dengan rata-rata nilai dari kata data dan pluralitas kata data yang berdekatan berturut-turut itu; mengurangkan nilai asli dari setiap kata data dari nilai diganti untuk setiap kata data yang sama; dan, pengaturan nilai dari setiap kata data yang memiliki nilai negatif setelah mengatakan pengurangan nol;
d.      mendapatkan pengambangan citra dengan membandingkan setiap nilai kata data dalam disaring gambar dengan nilai ambang batas sewenang-wenang dipilih; pengaturan nilai-nilai semua kata data yang memiliki nilai pixel yang lebih besar dari atau sama dengan nilai ambang batas dikatakan nilai nol; dan, pengaturan nilai-nilai semua kata data yang memiliki nilai pixel kurang dari kata nilai ambang batas untuk nilai kedua lebih besar dari nol;
e.      mendapatkan disaring lebih lanjut image dengan mengubah nilai-nilai dari setiap nol kata data penting di pengambangan citra yang dikelilingi dalam gambar dengan kata-kata Data yang mengatakan nilai kedua untuk mengatakan nilai kedua, dan mengubah nilai-nilai dari setiap kata data penting kedua di pengambangan tersebut image yang dikelilingi dalam gambar dengan nol kata data yang bernilai nol;
f.        mendapatkan bergeser gambar dengan menggeser disaring lebih lanjut image sehingga tidak ada nol dihargai kata data yang hadir pada awal setiap baris kata-kata data;
g.       menentukan ukuran cluster dari nol kata data penting di bergeser gambar dengan menghitung jumlah nol kata data penting di perimeter setiap cluster untuk menentukan ukuran perimeter masing-masing cluster, dan menghitung jumlah nol kata data penting di setiap cluster untuk menentukan daerah masing-masing klaster;
h.      menentukan dari ukuran dari masing-masing perimeter cluster dan daerah, yang dari kelompok hampir berbentuk lingkaran; dan,
i.         menghitung jumlah nol kata data yang dihargai di semua cluster yang memiliki bentuk hampir bundar untuk menentukan jumlah dari luas permukaan memar pada sepotong buah.

8.       Sebuah metode untuk optik menentukan jumlah daerah memar pada permukaan sepotong buah yang terdiri dari langkah:
a.       memperoleh tingkat abu-abu digital dua dimensi gambar dari sepotong buah;
b.      menyaring gambar Data untuk menghilangkan gangguan dan kebisingan di gambar ;
c.       thresholding yang gambar data untuk menghasilkan biner dua-dimensi gambar termasuk pluralitas kata data yang hanya memiliki dua nilai yang berbeda, nilai pertama yang merupakan indikasi dari tempat gelap pada sepotong buah;
d.      menghitung cluster kata data kata pertama dari kata nilai untuk menentukan daerah dan bentuknya;
e.      menentukan dari bentuk kata kelompok yang dari kata cluster mewakili memar; dan\
f.        menentukan dari kelompok yang mewakili memar; daerah pada permukaan sepotong buah ditutupi oleh memar tersebut.

Sumber :


Tidak ada komentar:

Posting Komentar