Feature detection and classification of pistachio by using image processing
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Tarımsal ürün pazarlamasında kalite önemli faktörlerden biridir. Bu çalışmanın temel amacı, antepfıstığını kalite sınıflandırması yapabilmek için onu renklerine, boyutlarına, kalitesine göre sınıflandırmaktır. Standart ürünlerin fiyat avantajı bulunmaktadır çünkü depolanması ve işlenmesi daha kolaydır. Geleneksel olarak, antep fıstığı, işçilerin görsel olarak incelenmesiyle manuel olarak sınıflandırılmaktadır. Sonuç olarak, sınıflandırma süreci zaman ve maliyet açısından düşük verimliliğe neden olmaktadır. Günümüzde sınıflandırma makinelerinde kullanılan en etkili yöntem hızlı ve doğru sonuçlar elde edilebildiği için görüntü işleme teknikleridir. Bu çalışma kapsamında, Antep fıstığı ve antep fıstığı artıkları için yüksek hassasiyetle hızlı ve gerçek zamanlı bir sınıflandırma sistemi oluşturulmuştur. Çalışma iki ana bölüme ayrılabilir, ayrıştırma ve sınıflandırma. Görüntü ayrıştırma için, arka planı giriş görüntülerinden nesnelerden izole etmek için ortalama filtreli yerel eşikleme kullanılmıştır. Görüntü sınıflandırma için, mükemmel ve hızlı sonuçlar elde etmek için derin öğrenme algoritmaları kullanılmıştır. Derin öğrenme ağı, taze kırmızı antepfıstığı, taze yeşil antepfıstığı, çıtlak antepfıstığı, kapalı antepfıstığı, soyulmuş antep fıstığı, taşlar, yapraklar, dal parçaları, antep fıstığı kabuğu olan 11 sınıflandırma türünden 2750 görüntü ile eğitilmiştir. Sistem, nesneleri tek tek görüntülerde ayırmak için görüntüye bir bölümleme yaparak ve ardından her nesne görüntüsünü ağa göre sınıflandırarak, bir dizi gerçek zamanlı görüntü ile bilgisayarda depolanan görüntülerle test edilmiştir. Yüksek hassasiyetli sınıflandırma sonuçları elde edilmiştir. Alan, geometrik merkez, uzunluk ve genişlik gibi özellikler hesaplanmıştır. Quality in agricultural product marketing is one of the important factors. The main purpose of this study is to classify it according to its colors, size and quality in order to make quality classification of pistachios. The standardized products will have advantages in price because they will be easier to store and process. Traditionally, pistachios are classified via visual inspection of workers, manually. As a result, the classification process is subjected to poor efficiency in terms of time and cost. The most effective method used in grading machines today is image processing. The scope of the research is to create a fast and real time classification system with high accuracy for pistachios and unwanted materials. The study can be divided into two main parts, segmentation and classification. For image segmentation, local thresholding with average filter were used to isolate the background from the objects in the input images. For image classification, to produce excellent and fast results deep convolutional neural network is used. Deep learning net was trained by 2750 images of 11 types of classification which are fresh red pistachio, fresh green pistachio, split pistachio, non-split pistachio, peeled pistachios kernels, stones, loose kernels, leaves, branch pieces, pistachios shell. The system was tested with a set of real-time images as well as images stored in the computer, by making a segmentation to the image to make the objects separated in individual images, and then classify each object image by the network. High accuracy classification results are obtained. The features of the objects such as area, centroid, length, and width are also calculated.
Collections