Using machine-vision technology to

Using machine-vision technology to grade strawberries can increase the commercial value of the strawberry. The automated strawberry grading system has been set up based on three characteristics: shape,size and colour. The system can efficiently obtain the shape characteristic by drawing the lines and then class with K-means clustering method for the strawberry image. The colour of the strawberry adopts the Dominant Colour method into the a* channel, and the size is described by the largest fruit diameter.
The strawberry automated grading system can use one, two or three characteristics to grade the strawberry into three or four grades. In order to solve the multi characteristic problems, the multi-attribute Decision Making Theory was adopted in this system. The system applied a conveyer belt, a camera, an image box,two photoelectrical sensors, a leading screw driven by a motor, a gripper, two limit switches and so on.
The system was controlled by the single-chip-microcomputer (SCM) and a computer. The results show that the strawberry size detection error is not more than 5%, the colour grading accuracy is 88.8%, and the shape classification accuracy is above 90%. The average time to grade one strawberry is below 3 s.

ผลลัพธ์ (ไทย) 1:

ใช้เทคโนโลยีสเต็มสตรอเบอร์รี่เกรดสามารถเพิ่มมูลค่าเชิงพาณิชย์ของสตรอเบอร์รี่ สตรอเบอร์รี่อัตโนมัติจัดเกรดระบบได้ถูกตั้งค่าตามสามลักษณะ: รูปร่าง ขนาด และสี ระบบสามารถขอรับลักษณะรูปร่างได้อย่างมีประสิทธิภาพ โดยการวาดเส้นแล้ว ชั้นกับถึงวิธีระบบคลัสเตอร์สำหรับภาพสตรอเบอร์รี่ สีของสตรอเบอร์รี่ adopts วิธีสีโดดเด่นเป็นมี * อธิบายช่อง และขนาด โดยเส้นผ่านศูนย์กลางผลไม้ที่ใหญ่ที่สุด จัดระบบอัตโนมัติสตรอเบอร์รี่สามารถใช้ลักษณะที่หนึ่ง สอง หรือสามเพื่อเกรดสตรอเบอร์รี่เป็นเกรดสาม หรือสี่ เพื่อแก้ปัญหาลักษณะหลาย ทฤษฎีการทำให้ตัดสินใจหลายแอตทริบิวต์ถูกนำมาใช้ในระบบนี้ ระบบใช้กับกล่องภาพ กล้อง สายพานลำเลียง สอง photoelectrical เซ็นเซอร์ สกรูนำขับเคลื่อน ด้วยมอเตอร์ gripper ที่ ข้อจำกัดสองสวิตช์เพื่อความระบบจะถูกควบคุม โดยเดี่ยวชิไมโคร (SCM) และคอมพิวเตอร์ ผลแสดงว่า ข้อผิดพลาดการตรวจจับขนาดสตรอเบอร์รี่ไม่มากกว่า 5% ปรับระดับความแม่นยำของสีเป็น 88.8% และความถูกต้องของการจำแนกรูปร่างสูงกว่า 90% เวลาเฉลี่ยในการเกรดหนึ่งสตรอเบอร์รี่อยู่ด้านล่าง 3 s

ผลลัพธ์ (ไทย) 2:

โดยใช้เทคโนโลยีเครื่องวิสัยทัศน์ที่จะสตรอเบอร์รี่เกรดสามารถเพิ่มมูลค่าการค้าของสตรอเบอร์รี่ ระบบการจัดลำดับอัตโนมัติสตรอเบอร์รี่ได้รับการจัดตั้งขึ้นขึ้นอยู่กับสามลักษณะรูปร่างขนาดและสี ระบบได้อย่างมีประสิทธิภาพสามารถขอรับลักษณะรูปร่างโดยการวาดเส้นและแล้วชั้นด้วยวิธีการจัดกลุ่ม K-วิธีการสำหรับภาพสตรอเบอร์รี่ สีของสตรอเบอร์รี่จะใช้วิธีที่โดดเด่นสีเข้าไปในช่องทาง * และขนาดเส้นผ่าศูนย์กลางอธิบายโดยผลไม้ที่ใหญ่ที่สุด.
สตรอเบอร์รี่อัตโนมัติระบบการให้คะแนนสามารถใช้หนึ่งสองหรือสามลักษณะเกรดสตรอเบอร์รี่เป็นสามหรือสี่เกรด เพื่อที่จะแก้ปัญหาที่เกิดขึ้นหลายลักษณะการตัดสินใจหลายแอตทริบิวต์ทำทฤษฎีถูกนำมาใช้ในระบบนี้ ระบบที่ใช้สายพาน, กล้อง, กล่องภาพสองเซ็นเซอร์ photoelectrical, สกรูชั้นนำที่ขับเคลื่อนด้วยมอเตอร์ซึ่งเป็นกริปเปอร์สองวิทช์ จำกัด และอื่น ๆ .
ระบบได้รับการควบคุมโดยชิปเดียว-ไมโครคอมพิวเตอร์ (SCM) และคอมพิวเตอร์ ผลปรากฏว่าการตรวจสอบข้อผิดพลาดขนาดสตรอเบอร์รี่ไม่เกิน 5%, ความถูกต้องของการจัดลำดับสีเป็น 88.8% และความถูกต้องของการจำแนกรูปทรงอยู่เหนือ 90% เวลาเฉลี่ยในการเกรดหนึ่งสตรอเบอร์รี่อยู่ด้านล่าง 3 s

ผลลัพธ์ (ไทย) 3:

การใช้เทคโนโลยีการมองเห็นเครื่องเกรดสตรอเบอร์รี่สามารถเพิ่มมูลค่าทางการค้าของสตรอเบอรี่ ระบบคัดแยกอัตโนมัติสตรอเบอร์รี่ได้จากสามลักษณะ : รูปร่าง , ขนาดและสี ระบบมีประสิทธิภาพสามารถได้รับรูปร่างลักษณะโดยการวาดเส้นและชั้นเรียนกับ k-means แบ่งกลุ่มวิธีการรูปสตรอเบอร์รี่ สีสตรอเบอร์รี่ adopts วิธีสีเด่นใน * ช่อง และขนาดเส้นผ่าศูนย์กลางระบุไว้ โดยผลไม้ที่ใหญ่ที่สุดสตรอเบอร์รี่แบบอัตโนมัติ ระบบตัดเกรด สามารถ ใช้ หนึ่ง สอง หรือ สามลักษณะเกรดสตรอเบอร์รี่เป็นสามหรือสี่เกรด เพื่อแก้ไขปัญหาหลายลักษณะ , ปริญญาทฤษฎีการตัดสินใจใช้ระบบนี้ ระบบที่ใช้สายพาน สายพานกล้อง , กล่องภาพสองเกี่ยวกับไฟฟ้าเซ็นเซอร์ นำสกรูขับเคลื่อนด้วยมอเตอร์ ก้ามปู สองลิมิตสวิทช์และอื่น ๆระบบที่ถูกควบคุมโดยไมโครคอมพิวเตอร์ชิปเดี่ยว ( SCM ) และคอมพิวเตอร์ ผลการวิจัยแสดงให้เห็นว่า สตรอเบอร์รี่ ขนาดการตรวจสอบความผิดพลาดไม่เกิน 5 เปอร์เซ็นต์ สีเกรด 88.8 % ความถูกต้องและความแม่นยำในการจำแนกรูปร่างสูงกว่า 90% เวลาเฉลี่ยระดับ 1 สตรอเบอร์รี่อยู่ด้านล่าง 3 .