Despite being the main oil palm (El

Despite being the main oil palm (Elaeis guineensis Jacq.) producer in the world, Indonesia still has scope to
improve its productivity, which is currently limited by inconsistency in manual grading through human
visual inspection. In this research, an automatic grading machine for oil palm fresh fruits bunch (FFB) is
developed based on machine-vision principles of non-destructive analytical grading, using Indonesian Oil
Palm Research Institute (IOPRI) standard. It is the first automatic grading machine for FFBs in Indonesia
that works on-site. Machine consists of four subsystems namely mechanical, image processing, detection
and controlling. The samples used were tenera variety fruit bunches from 7 to 20 year old trees. Statistical
analysis was performed to generate stepwise discrimination using Canonical Discriminant with Mahalanobis
distance function for classifying groups, and appoint cluster center for each fraction. Results showed
adaptive threshold algorithm gave 100% success rate for background removal, and texture analysis
showed object of interest lies in intensity within digital number (DN) value from 100 to 200. Group classification
of FFBs resulted average success rate of 93.53% with SEC of 0.4835 and SEP of 0.5165, while fraction
classification had average success rate of 88.7%. Eight models are proposed to estimate weight of
FFBs with average R2 of 81.39%. FFBs orientation on conveyor belt showed no influence on the sorting
result, and with examination time of 1 FFB/5 s, machine performs more than 12 tons FFBs grading per
hour.

ผลลัพธ์ (ไทย) 1:

แม้จะเป็นโปรดิวเซอร์หลักน้ำมันปาล์ม (แสดงออก Jacq.) ในโลก อินโดนีเซียยังมีขอบเขตการเพิ่มผลผลิตของ ซึ่งขณะนี้ถูกจำกัด โดยไม่สอดคล้องในการจัดเกรดด้วยตนเองผ่านบุคคลการตรวจสอบภาพ ในงานวิจัยนี้ จะมีเครื่องแบบจัดเกรดพวงผลไม้ปาล์มน้ำมัน (FFB)พัฒนายึดหลักไม่ทำลายวิเคราะห์จัดเกรด วิสัยทัศน์เครื่องใช้น้ำมันอินโดนีเซียมาตรฐานการวิจัยสถาบัน (IOPRI) ปาล์ม เป็นเครื่องอัตโนมัติจัดเกรดแรกสำหรับ FFBs ในอินโดนีเซียที่ทำงานโรงแรม เครื่องประกอบด้วยสี่ย่อยได้แก่เครื่องจักรกล การประมวลผลภาพ ตรวจสอบและการควบคุม ตัวอย่างที่ใช้มีผลไม้หลากหลาย tenera 7 ช่อไม้อายุ 20 ปี ทางสถิติทำการวิเคราะห์เพื่อสร้างแบ่งแยก stepwise ใช้ Discriminant มาตรฐาน Mahalanobisห่างจากฟังก์ชันสำหรับการจัดประเภทกลุ่ม และแต่งตั้งศูนย์คลัสเตอร์สำหรับทุกฝ่าย ผลลัพธ์ที่แสดงให้เห็นว่าอัลกอริทึมแบบอะแดปทีฟจำกัดให้อัตราความสำเร็จ 100% สำหรับกำจัดพื้นหลัง และวิเคราะห์เนื้อแสดงวัตถุของดอกเบี้ยอยู่ในความรุนแรงภายในหมายเลขดิจิทัล (DN) ค่า 100 200 กลุ่มประเภทอัตราผลสำเร็จเฉลี่ย FFBs % 93.53 SEC 0.4835 และ SEP 0.5165 ในขณะที่เศษส่วนประเภทมีอัตราความสำเร็จเฉลี่ย 88.7% รุ่นที่ 8 มีการนำเสนอการประเมินน้ำหนักของFFBs กับ R2 เฉลี่ย 81.39% FFBs วางบนสายพานลำเลียงแสดงให้เห็นว่าไม่มีผลต่อการเรียงลำดับผลลัพธ์ และขณะสอบ 1 FFB/5 s เครื่องทำมากกว่า 12 ตัน FFBs จัดเกรดต่อชั่วโมง

ผลลัพธ์ (ไทย) 2:

แม้จะเป็นปาล์มน้ำมันหลัก (Elaeis guineensis Jacq.) ผู้ผลิตในโลก, อินโดนีเซียยังคงมีขอบเขตในการ
ปรับปรุงประสิทธิภาพการผลิตของ บริษัท ซึ่งมีข้อ จำกัด ในขณะนี้โดยที่ไม่สอดคล้องกันในการจัดลำดับของมนุษย์ด้วยตนเองผ่าน
การตรวจสอบภาพ ในงานวิจัยนี้จัดลำดับเครื่องอัตโนมัติสำหรับน้ำมันปาล์มพวงผลไม้สด (FFB) จะ
ได้รับการพัฒนาบนพื้นฐานของหลักการเครื่องวิสัยทัศน์ของการจัดลำดับการวิเคราะห์แบบไม่ทำลายโดยใช้อินโดนีเซียน้ำมัน
ปาล์ม Research Institute (IOPRI) มาตรฐาน มันเป็นเครื่องอัตโนมัติการจัดลำดับแรกสำหรับ FFBs ในอินโดนีเซีย
ที่ทำงานในสถานที่เดียวกัน เครื่องประกอบด้วยสี่ระบบย่อยคือกลการประมวลผลภาพ, การตรวจสอบ
และการควบคุม กลุ่มตัวอย่างที่ใช้คือผลไม้ที่อัดแน่นชนิดทีเรนา 7-20 ปีต้นไม้เก่า สถิติ
การวิเคราะห์ที่ได้ดำเนินการในการสร้างการเลือกปฏิบัติแบบขั้นตอนโดยใช้ Canonical จำแนก Mahalanobis กับ
ฟังก์ชั่นระยะทางสำหรับการจำแนกกลุ่มและแต่งตั้งศูนย์คลัสเตอร์สำหรับแต่ละส่วน ผลการศึกษาพบ
อัลกอริทึมเกณฑ์การปรับตัวให้อัตราความสำเร็จ 100% สำหรับการกำจัดพื้นหลังและการวิเคราะห์พื้นผิว
แสดงให้เห็นว่าวัตถุที่น่าสนใจอยู่ในความเข้มภายในตัวเลขดิจิตอล (DN) มูลค่าตั้งแต่ 100 ถึง 200 การจำแนกกลุ่ม
ของ FFBs ผลอัตราความสำเร็จเฉลี่ย 93.53% ด้วยหลักทรัพย์ของ 0.4835 และ 0.5165 กันยายนของในขณะที่ส่วน
การจัดหมวดหมู่มีอัตราความสำเร็จเฉลี่ย 88.7% แปดแบบจำลองจะนำเสนอในการประเมินน้ำหนักของ
FFBs กับค่าเฉลี่ยของ R2 81.39% ปฐมนิเทศ FFBs บนสายพานลำเลียงแสดงให้เห็นว่าไม่มีผลต่อการเรียงลำดับ
ผลและมีเวลาตรวจสอบ 1 ผลปาล์มสด / 5 วินาที, เครื่องดำเนินการมากกว่า 12 ตันจัดลำดับ FFBs ต่อ
ชั่วโมง

ผลลัพธ์ (ไทย) 3:

แม้จะเป็นหลัก ( ปาล์มน้ำมัน - น้ำมันปาล์ม jacq ) ผู้ผลิตในโลก อินโดนีเซียยังคงมีขอบเขต
ปรับปรุงประสิทธิภาพการผลิต ซึ่งปัจจุบัน จำกัด โดยไม่ผ่านการตรวจสอบคู่มือการมนุษย์

ในงานวิจัยนี้ได้คะแนนอัตโนมัติเครื่องพวงผลไม้สดปาล์มน้ำมัน ( เอฟเอฟบี )
การพัฒนาบนพื้นฐานของหลักการของการไม่ทำลายการมองเห็นของเครื่องจักร วิเคราะห์ การใช้น้ำมันปาล์มอินโดนีเซีย
สถาบันวิจัย ( iopri ) มาตรฐาน มันเป็นครั้งแรกโดยอัตโนมัติให้เครื่อง ffbs ในอินโดนีเซีย
ที่ทํางานในโรงแรม ประกอบด้วย 4 ระบบย่อย ได้แก่ เครื่องจักรเครื่องกล , ประมวลภาพ , ตรวจจับ
และการควบคุมกลุ่มตัวอย่างที่ใช้เป็นพันธุ์เทเนอร่า ผลพวงจาก 7 ต้น อายุ 20 ปี สถิติที่ใช้ในการวิเคราะห์ข้อมูล การสร้างแบบสอบถาม
เลือกใช้ฟังก์ชันระยะทางมาตรฐานคุณภาพ mahalanobis
เพื่อจำแนกกลุ่ม และตั้งคลัสเตอร์ แต่ละเสี้ยว ปรับเกณฑ์ขั้นตอนวิธีให้พบ
100% อัตราความสำเร็จในการกำจัดพื้นหลัง , และ
การวิเคราะห์พื้นผิวพบวัตถุที่น่าสนใจอยู่ในความรุนแรงภายในดิจิตอลหมายเลข ( DN ) ค่าจาก 100 ถึง 200 การจำแนกประเภทกลุ่มของ ffbs
) เฉลี่ยอัตราความสำเร็จของ 93.53 กับวินาทีของ 0.4835 และกันยายนของ 0.5165 ในขณะที่การจำแนกเศษ
มีอัตราความสำเร็จเฉลี่ย 88.7 % แปดรุ่นเสนอประมาณการน้ำหนัก
ffbs กับ R2 เฉลี่ย 81.39 %ffbs ปฐมนิเทศบนสายพาน พบว่าไม่มีผลต่อการเรียงลำดับ
ผลและตรวจสอบเวลาของ 1 เอฟเอฟบี / 5 S , เครื่องทํามากกว่า 12 ตัน ffbs คะแนนต่อ
ชั่วโมง