开发一个低成本的人工视觉系统作为波斯的自动分类的替代方案:原型测试模拟
Bridget V Granados-Vega1, Carlos Maldonado-Flores2, Camila S Gómez-Navarro1
1Grupo de Investigación en Materiales y Fenómenos de Superficie, Departamento de Biotecnológicas y Ambientales, Universidad Autónoma de Guadalajara, Av. Patria 1201, Zapopan 45129, Mexico.
Foods (Basel, Switzerland)
|October 28, 2023
概括
一个人工神经网络 (ANN) 算法被开发出来,可以根据颜色自动分类波斯. 这种自动化系统达到96.60%的准确性,为手动质量控制提供了低成本的替代方案.
科学领域:
- 农业工程 农业工程
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 在水果分类中手动质量控制是劳动密集型的,容易出现人为错误.
- 客观的质量评估需要可靠和自动化的方法.
- 数字图像处理为非破坏性水果评估提供了潜力.
研究的目的:
- 开发和验证人工神经网络 (ANN) 算法,用于波斯的自动化质量控制.
- 通过分析关键的物理和颜色特性来优化分类过程.
- 用低成本的计算工具来证明使用自动化系统的可行性.
主要方法:
- 收集了90个波斯的物理数据 (重量,皮厚,直径,长度,颜色).
- 利用RGB和HSV颜色模型来分析质量类别之间的显著颜色差异.
- 训练了一种ANN算法,根据图像数据将分为"额外"",I类"和"II类".
- 使用Simulink和步进电机模拟了一个自动分类原型.
主要成果:
- 颜色参数在三个质量组中显示了统计学上显著的差异.
- 开发的ANN算法实现了96.60%的高分类精度.
- 体重和尺寸等物理参数在两组之间没有显著差异.
结论:
- 颜色分析是波斯的自动化质量控制的关键因素.
- 拟议的基于ANN的系统为手工分类提供了准确和高效的替代方案.
- 这项研究提出了一种可行的,低成本的水果质量评估自动化解决方案.
