تعیین درصد رسیده بودن میوه توسط بینایی ماشینی

چیدن میوه با دست، بسیار وقت گیر، طاقت فرسا و در عین حال گران است. در باغ های با وسعت زیاد، این موضوع چالش برانگیزتر است. به این دلیل در دهه اخیر، استفاده از سامانه های برداشت محصول خودکار محبوبیت بسیار زیادی را در جوامع توسعه یافته پیدا کرده اند.

مدت زمان رسیدن محصولات کشاورزی با توجه به نوع محصول می تواند متفاوت باشد. به عنوان مثال، گوجه فرنگی که نوعی از صیفی جات است، در یک زمین کشاورزی به صورت نامتوازن رشد می کند. یعنی یکی از چالش های بزرگ روبروی کشاورزان در هنگام برداشت این گونه محصولات، توجه به غیرهمزمانی رشد آن هاست. از این رو، ربات هایی که برای برداشت این نوع محصولات ساخته می شوند، باید به گونه ای طراحی شوند که این چالش را در نظر بگیرند. از این رو، شناسایی میزان رسیده بودن یک محصول در یک باغ و یا زمین کشاورزی، می تواند کمک شایانی به کشاورزان در ارائه محصول بهتر به بازار بنماید.

یکی از ابزارهای مهم در تشخیص و شناسایی درصد رسیده بودن محصولات کشاورزی، استفاده از فناوری بینایی ماشینی یا دید ماشینی (Machine Vision) است. در ویدئوی زیر می توانید با ویژگی های این فناوری در تشخیص درصد رسیده بودن میوه ها بیشتر آشنا شوید:

در سال 2011، عارفی و همکاران طی یک مقاله پژوهشی، میزان رسیده بودن گوجه فرنگی را با استفاده از سامانه بینایی ماشینی ارائه کردند. الگوریتم ارائه شده در این مقاله، توانایی آن را دارد که ربات های برداشت محصول را در چیدن میوه های رسیده راهنمایی کند. در این تحقیق، از 110 تصویر رنگی گوجه فرنگی جهت آموزش داده ها استفاده شد. این عکس ها در شرایط محیطی گلخانه تهیه شده است. با تطبیق عکس های گرفته شده با نمونه های رسیده و یا غیر رسیده گوجه فرنگی، این محققان، دقت کلی 96.36 درصدی را در تشخیص میوه های رسیده ارائه کردند. شما می توانید این مقاله علمی را از لینکی که در زیر مطلب ارائه شده، دانلود و مطالعه نمایید.