This study was conducted to develop

This study was conducted to develop a fast and accurate
computer-based machine vision system
for detecting irregular potatoes
in real-time.
Supported algorithms were specifically developed and programmed
for image acquisition and processing, controlling the whole process, saving the classification
results and monitoring the progress of all operations. A database of images was first formulated from
potatoes with different shapes and sizes, and then some essential geometrical features such as perimeter,
centroid, area, moment of inertia, length and width were extracted from each image. Also, eight shape
parameters originated from size features and Fourier transform were calculated for each image in the
database. All extracted shape parameters were entered in a stepwise linear discriminant analysis to
extract the most important parameters that most characterized the regularity of potatoes. Based on stepwise
linear discriminant analysis, two shape features (roundness and extent) and four Fourier-shape
descriptors were found to be effective in sorting regular and irregular potatoes. The average correct classification
was 96.5% for a training set composed of 228 potatoes and then the algorithm was validated in
another testing set composed of 182 potatoes in a real-time operation. The experiments showed that the
success of in-line classification of moving potatoes was 96.2%. Concurrently, the well-shaped potatoes
were classified by size achieving a 100% accuracy indicating that the developed machine vision system
has a great potential in automatic detection and sorting of misshapen products.

ผลลัพธ์ (ไทย) 1:

การศึกษานี้ได้ดำเนินการพัฒนาอย่างรวดเร็ว และถูกต้อง ระบบเครื่องคอมพิวเตอร์ตามวิสัยทัศน์ สำหรับการตรวจสอบมันไม่สม่ำเสมอ ในเวลาจริง อัลกอริทึมที่ได้รับการสนับสนุนโดยเฉพาะพัฒนา และโปรแกรมซื้อภาพและประมวลผล การควบคุมกระบวนการทั้งหมด บันทึกการจัดประเภทผลและการตรวจสอบความคืบหน้าของการดำเนินงานทั้งหมด ฐานข้อมูลภาพถูกสูตรแรกจากมัน มีรูปร่างต่าง ๆ และขนาด และจากนั้นคุณลักษณะบางอย่างจำเป็น geometrical เช่นขอบเขตเซนทรอยด์ พื้นที่ ความเฉื่อยของช่วง ความยาว และความกว้างถูกแยกจากแต่ละภาพ ยัง แปดรูปคำนวณพารามิเตอร์ต้นขนาดคุณลักษณะและการแปลงฟูรีเยได้สำหรับแต่ละรูปในการฐานข้อมูล พารามิเตอร์รูปร่างแยกทั้งหมดถูกป้อนในการวิเคราะห์เชิงเส้น discriminant stepwise เพื่อแยกพารามิเตอร์สำคัญที่สุดลักษณะความของมันฝรั่ง โดยใช้ stepwisediscriminant เชิงวิเคราะห์ คุณลักษณะรูปร่างสอง (roundness และขอบเขต) และ รูปสี่ฟูรีเยพบตัวบอกจะมีประสิทธิภาพในการเรียงลำดับมันปกติ และผิดปกติ การจัดประเภทถูกต้องเฉลี่ย96.5% ชุดฝึกอบรมประกอบด้วยมันฝรั่ง 228 แล้ว อัลกอริทึมถูกตรวจสอบในชุดทดสอบอื่นประกอบด้วยมันฝรั่ง 182 ในแบบเรียลไทม์ การทดลองพบว่าการความสำเร็จของการจัดประเภทในบรรทัดการย้ายมันเป็น 96.2% พร้อม มันฝรั่งรูปห้องพักได้ตามขนาดที่แม่นยำ 100% ตัวบ่งชี้ที่บรรลุเป้าหมายการพัฒนาหลอดไฟมีศักยภาพในการตรวจหาอัตโนมัติ และเรียงลำดับผลิตภัณฑ์ misshapen

ผลลัพธ์ (ไทย) 2:

การศึกษาครั้งนี้ได้ดำเนินการพัฒนาได้อย่างรวดเร็วและถูกต้องระบบการมองเห็นเครื่องคอมพิวเตอร์ที่ใช้สำหรับการตรวจสอบมันฝรั่งผิดปกติในเวลาจริง. ขั้นตอนวิธีการสนับสนุนที่ถูกพัฒนาขึ้นมาโดยเฉพาะและโปรแกรมสำหรับการถ่ายภาพและการประมวลผลการควบคุมกระบวนการทั้งหมดในการประหยัดการจัดหมวดหมู่ผลและการตรวจสอบความคืบหน้าของการดำเนินงานทั้งหมด ฐานข้อมูลของภาพที่เป็นสูตรแรกจากมันฝรั่งที่มีรูปร่างและขนาดที่แตกต่างกันแล้วบางส่วนคุณสมบัติทางเรขาคณิตที่จำเป็นเช่นปริมณฑลcentroid พื้นที่โมเมนต์ความเฉื่อยความยาวและความกว้างที่ถูกสกัดจากภาพแต่ละภาพ นอกจากนี้รูปทรงแปดพารามิเตอร์มาจากคุณสมบัติขนาดและแปลงฟูริเยร์จะถูกคำนวณภาพในแต่ละฐานข้อมูล พารามิเตอร์รูปร่างสกัดทั้งหมดถูกป้อนในการวิเคราะห์จำแนกเชิงเส้นแบบขั้นตอนการแยกพารามิเตอร์ที่สำคัญที่สุดที่โดดเด่นมากที่สุดความสม่ำเสมอของมันฝรั่ง ขึ้นอยู่กับขั้นตอนการวิเคราะห์จำแนกเชิงเส้นสองลักษณะรูปร่าง (กลมและขอบเขต) และสี่ฟูริเยร์รูปร่างอธิบายของเขาถูกพบว่ามีประสิทธิภาพในการเรียงลำดับมันฝรั่งปกติและผิดปกติ ค่าเฉลี่ยของการจัดหมวดหมู่ที่ถูกต้องเป็น 96.5% สำหรับการตั้งค่าการฝึกอบรมประกอบด้วยมันฝรั่ง 228 และจากนั้นขั้นตอนวิธีการที่ถูกตรวจสอบในชุดทดสอบอีก182 ประกอบด้วยมันฝรั่งในการทำงานในเวลาจริง การทดลองแสดงให้เห็นว่าความสำเร็จของการจัดหมวดหมู่ในสายการผลิตในการเคลื่อนย้ายมันฝรั่งเป็น 96.2% ขณะเดียวกันมันฝรั่งดีที่มีรูปทรงโดยจำแนกตามขนาดของการบรรลุความถูกต้อง 100% แสดงให้เห็นว่าระบบการมองเห็นเครื่องที่พัฒนาขึ้นมีศักยภาพที่ดีในการตรวจสอบโดยอัตโนมัติและการเรียงลำดับของผลิตภัณฑ์ที่ผิดรูป

ผลลัพธ์ (ไทย) 3:

การศึกษานี้มีวัตถุประสงค์เพื่อพัฒนาระบบคอมพิวเตอร์ได้อย่างรวดเร็วและถูกต้อง

สำหรับการตรวจจับผิดปกติวิสัยทัศน์เครื่องมันฝรั่ง
ในเวลาจริง สนับสนุนขั้นตอนวิธีถูกพัฒนามาโดยเฉพาะ

เข้าโปรแกรมภาพและการประมวลผล การควบคุมกระบวนการทั้งหมด ประหยัด
ผลการจำแนกและติดตามความก้าวหน้าของการดำเนินงานทั้งหมดฐานข้อมูลของภาพ คือ สูตรแรกจาก
มันฝรั่งที่มีขนาดและรูปทรงที่แตกต่างกัน และบางคุณลักษณะสำคัญเชิงเรขาคณิต เช่น ปริมณฑล
เซนทรอยด์พื้นที่โมเมนต์ความเฉื่อย ความยาวและความกว้างสกัดจากภาพแต่ละภาพ นอกจากนี้ พารามิเตอร์แปดรูปร่าง
มาจากคุณสมบัติขนาดและการแปลงฟูรีเยได้แต่ละภาพใน
ฐานข้อมูลทั้งหมดสกัดพารามิเตอร์รูปร่างถูกป้อนในแบบเชิงเส้น การวิเคราะห์จำแนก แยกค่า

ที่สำคัญที่สุด ส่วนใหญ่ลักษณะความสม่ำเสมอของฝรั่ง ตามแบบเชิงเส้น การวิเคราะห์การจำแนกกลุ่ม ( Discriminant Analysis )
2 ( มีรูปร่างกลมและขอบเขต ) และสี่ฟูเรียร์ในรูปร่าง
พบว่ามีประสิทธิภาพในการเรียงลำดับปกติและผิดปกติมันฝรั่งโดย
หมวดหมู่ที่ถูกต้องคือ 96.5% สำหรับชุดฝึกประกอบด้วย 228 มันฝรั่งแล้วทำการตรวจสอบใน
การทดสอบอีกชุดประกอบด้วย 182 มันฝรั่งในการทำงานแบบเรียลไทม์ การทดลองพบว่า ความสำเร็จของการย้าย
ในมันฝรั่งก็ยังคงเป็น % จากรูปคือมันฝรั่ง
,จำแนกตามขนาดของการบรรลุ 100% ความถูกต้อง แสดงให้เห็นว่า การพัฒนาระบบเครื่องจักรวิสัยทัศน์
มีศักยภาพที่ดีในการตรวจสอบโดยอัตโนมัติและเรียงลำดับของผลิตภัณฑ์เสียรูป