Design, Development and Evaluation of an Orange Sorter Based on Machine Vision and Artificial Neural Network Techniques

Document Type: Full Article

Authors

1 College of Agriculture, Shiraz University, Shiraz

2 College of Agriculture, Shiraz University

Abstract

ABSTRACT- The high production of orange fruit in Iran calls for quality sorting of this product as a requirement for entering global markets. This study was devoted to the development of an automatic fruit sorter based on size. The hardware consisted of two units. An image acquisition apparatus equipped with a camera, a robotic arm and controller circuits. The second unit consisted of a robotic actuator with required electronic circuits. For sorting purposes, an appropriate image processing technique was applied and two models of size thresholds were developed and incorporated in a number of image processing algorithms, which were, in turn, combined with Artificial Neural Network (ANN) techniques for classifying purposes. Multi Layer Perceptron models with various training functions and diverse numbers of neurons were also applied. Each algorithm was used to sort oranges into desired size groups (Small, Medium and Large). The sorter test rig was able to classify the product into three categories with considerably low errors. Although all twelve algorithms had acceptable results, those based on Red and Green segmentation were more satisfactory. For real time evaluation purposes, four algorithms, segmenting based on R color band, and two size threshold models were combined to form 8 comprehensive algorithms, which were used along with the ANN model at the evaluation stage. Results showed that algorithms based on Area, Perimeter and the ANN model, exhibited lower errors. Sorting records of each algorithm were compared to the relevant sorting data brought about by experts. Results show that sorting error can be as low as 1.1%. Although the average capacity of the single sorter was limited to 1 t.h-1, the capacity can be markedly increased by adapting a bank of sorters in parallel mode. The study revealed that orange fruits can be sorted using the introduced techniques at high speed, high accuracy and low costs.

Keywords


Article Title [Persian]

طراحی، ساخت و ارزیابی یک سورتر پرتقال بر اساس ماشین بینایی و فناوری شبکه عصبی مصنوعی

Authors [Persian]

  • رضا راسخی 1
  • محمدحسین رئوفت 2
1 دانشکده کشاورزی، دانشگاه شیراز
2 دانشکده کشاورزی، دانشگاه شیراز
Abstract [Persian]

چکیده- تولید انبوه مرکبات در ایران لزوم درجه بندی کیفی این محصولات را برای ورود به بازار های جهانی ایجاب می کند. تحقیق حاضر به منظور طراحی و ساخت یک دستگاه سورتز میوه بر اساس اندازه انجام گرفت. سخت افزار متشکل از دو بخش بود. بخش اول واحد جمع آوری تصویر شامل یک دوربین، یک بازوی روبات و مدارهای کنترل بود. واحد دوم یک عملکرد روبات و مارهای مربوطه را شامل بود. به منظور انجام عمل سورتینگ ابتدا تصاویر اخذ گردید هر دو مدل برای تعیین آستانه اندازه انتخاب گردیدند. از سوی دیگر الگوریتم دو مدل یاد شده با شبکه عصبی مصنوعی (ANN) ادغام گردید. سپس مدل پرسیپترون ضد لایه با مقدار متنوعی تابع آموزشی و مقداری نوسان تشکیل گردید. از هر کدام از الگوریتم های یاد شده برای تقسیم پرتقال به سه گروه اندازه های کوچک- متوسط و بزرگ استفاده گردید. نتایج سوتینگ انجام شده با اندازه واقعی میوه ها که توسط فرد متخصصی تعیین شده بود مقایسه شد. نتایج به دست آمده حاکی از آن است که حداکثر خطا در تقسیم میوه ها محدود به 1/1 درصد می باشد. اندازه ظرفیت متوسط دستگاه برابر با یک تن بر ساعت است که با به کار گیری واحد های موازی تا 10 تن بر ساعت قابل افزایش است. نتایج کلی حاکی از آن است که میوه هایی نظیر پرتقال می تواند با فناوری معرفی شده با هزینه کم و دقت بالا تفکیک گردد.

Keywords [Persian]

  • واژه های کلیدی: اندازه پرتقال
  • سورتر مرکبات و شبکه عصبی مصنوعی