Integration of Color Features and Artificial Neural Networks for In-field Recognition of Saffron Flower

Document Type: Full Article

Authors

1 Shiraz University,

2 Shiraz University

Abstract

ABSTRACT-Manual harvesting of saffron as a laborious and exhausting job; it not only raises production costs, but also reduces the quality due to contaminations. Saffron quality could be enhanced if automated harvesting is substituted. As the main step towards designing a saffron harvester robot, an appropriate algorithm was developed in this study based on image processing techniques to recognize and locate saffron flowers in the field. Color features of the images in HSI and YCrCb color spaces were used to detect the flowers. High pass filters were used to eliminate noise from the segmented images. Partial occlusion of flowers was modified using erosion and dilation operations. Separated flowers were then labeled. The proposed flower harvester was to pick flowers using a vacuum snapper. Therefore, the center of the flower area was calculated by the algorithm as the location of the plant to be detected by the harvesting machine. Correct flower detection of the algorithm was measured using natural images comprising saffron, green leaves, weeds and background soil. The recognition algorithm’s accuracy to locate saffron flowers was 96.4% and 98.7% when HSI and YCrCb color spaces were used. Final decision making subroutines utilize artificial neural networks (ANNs) to increase the recognition accuracy. A correct detection rate of 100% was achieved when the ANN approach was employed.

Keywords


Article Title [Persian]

ترکیب ویژگیهای رنگی و شبکه‌های عصبی مصنوعی برای تشخیص گلهای زعفران در مزرعه

Authors [Persian]

  • عبدالعباس جعفری 1
  • عادل بخشی پور 2
  • رسول همتیان 2
1 دانشگاه شیراز
2 دانشگاه شیراز
Abstract [Persian]

چکیده- برداشت دستی زعفران یک کار دشوار و خسته کننده نه تنها موجب افزایش هزینه­های تولید می گردد بلکه در اثر آلودگی، موجب کاهش کیفیت آن نیز می­شود. درصورتی که برداشت خودکار زعفران جایگزین روش کنونی شود کیفیت زعفران ارتقاء خواهد یافت. در این تحقیق، به عنوان اولین مرحله از طراحی یک روبات برداشت زعفران، الگوریتم مناسبی برای تشخیص و مکان یابی گلهای زعفران بر اساس پردازش تصاویر در مزرعه ارائه شد. از ویژگی های رنگی تصاویر در فضاهای رنگی RGB، HSI و   YCrCbبه منظور تشخیص گلها استفاده گردید. برای حذف نوفه­های تصاویر جداسازی شده، از فیلترهای بالاگذر استفاده شد. انسداد جزئی گلها با عملیات سایش و گسترش اصلاح شد. سپس گلهای جداشده علامتگذاری شدند. چنین در نظر گرفته شد که ماشین برداشت گل پیشنهاد شده با یک رباینده مکشی اقدام به چیدن گلها نماید. بنابراین مرکز سطح گل، بعنوان موقعیت گیاه که می­بایست توسط ماشین برداشت تشخیص داده شود توسط الگوریتم محاسبه گردید. تشخیص صحیح الگوریتم با تصاویر طبیعی شامل زعفران، برگهای سبز، علف های هرز و خاک زمینه، اندازه­گیری شد. دقت تشخیص الگوریتم در مکان یابی گلها هنگامی که فضای HSI و  YCrCbمورد استفاده قرار گرفتند، به ترتیب برابر 4/96 % و 7/98% بود. زیرروال های نهایی تصمیم­گیری از شبکه­های عصبی مصنوعی استفاده می­کند تا دقت تشخیص را افزایش دهد. هنگامی که شبکه های عصبی به کار گرفته شدند نرخ تشخیص صحیح 100% به دست آمد.

Keywords [Persian]

  • واژه های کلیدی: زعفران
  • شبکه‌های عصبی مصنوعی
  • ماشین برداشت
  • ماشین بینایی