Thiết kế hệ thống phân loại trái ớt sau thu hoạch ứng dụng thị giác máy tính
,
,
,
,
,
và
*
Article Sidebar
Full Text: 
PDF
Abstract
Currently, image processing technology is increasingly being applied in a variety of fields, including agriculture and post-harvest technology. Using computer vision to classify the defect status of chili peppers is a typical example of helping to select post-harvest products that meet commercial standards effectively. Traditional manual sorting of chilli peppers is costly and affects farmers' health, requiring improvement in science and technology. This article presents the hardware design and recognition algorithm using computer vision to remove broken chilli, missing stems, and anthracnose. OpenCV and Python were implemented for thresholding and applies convolutional neural networks like ResNet and MobileNet to detect anthracnose. Microcontroller ESP32 was used to receive data regarding the status of the chillies and to control the sorting actuators. Processing time for thresholding and anthracnose detection was 0.08 seconds, with an average classification cycle of 1 second. Experiments show that the system has the potential for practical application in farmer households or traders.
Tóm tắt
Hiện nay, công nghệ xử lý ảnh ngày càng được ứng dụng phổ biến, đa dạng ở các lĩnh vực, kể cả trong nông nghiệp và công nghệ sau thu hoạch. Việc dùng thị giác máy tính để phân loại tình trạng lỗi của trái ớt là một điển hình giúp chọn lọc sản phẩm sau thu hoạch đạt chuẩn thương mại một cách hiệu quả. Việc phân loại ớt thủ công truyền thống tốn kém chi phí và ảnh hưởng đến sức khỏe người dân, đòi hỏi sự cải thiện bằng khoa học công nghệ. Bài báo này trình bày thiết kế phần cứng và thuật toán nhận dạng dùng thị giác máy tính để loại bỏ ớt bị gãy đôi, mất cuống và thán thư. OpenCV và Python được sử dụng phân ngưỡng, áp dụng các mạng thần kinh tích chập như ResNet và MobileNet để phát hiện bệnh thán thư. Thông tin về tình trạng ớt được gửi đến vi điều khiển ESP32 để điều khiển cơ cấu chấp hành phân loại. Thời gian xử lý cho phân ngưỡng và phát hiện thán thư là 0,08 giây, chu kỳ phân loại trung bình là 1 giây. Các thí nghiệm cho thấy hệ thống có tiềm năng áp dụng thực tế ở các hộ nông dân hoặc thương lái.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Tài liệu tham khảo
Abbas, A., Jain, S., Gour, M., & Vankudothu, S. (2021). Tomato plant disease detection using transfer learning with C-GAN synthetic images. Computers and Electronics in Agriculture, 187, 106279. https://doi.org/10.1016/j.compag.2021.106279
Nguyen, T. T. A., & Vo, T. T. L., (2017). Financial performance analysis of chilli farmers in the Mekong Delta (in Vietnamese). Can Tho University Journal of Science, 48, 87 (in Vietnamese). https://doi.org/10.22144/ctu.jvn.2017.633
Chilli anthracnose (Colletotrichum capsici). (2018, October 25). IPM Images. http://www.ipmimages.org/browse/detail.cfm?imgnum=5498970
Credeur, D. P., Miller, S. M., Jones, R., Stoner, L., Dolbow, D. R., Fryer, S. M., Stone, K., & McCoy, S. M. (2019). Impact of Prolonged Sitting on Peripheral and Central Vascular Health. The American Journal of Cardiology, 123(2), 260–266. https://doi.org/10.1016/j.amjcard.2018.10.014
Dairath, M. H., Akram, M. W., Mehmood, M. A., Sarwar, H. U., Akram, M. Z., Omar, M. M., & Faheem, M. (2023). Computer vision-based prototype robotic picking cum grading system for fruits. Smart Agricultural Technology, 4, 100210. https://doi.org/10.1016/j.atech.2023.100210
Dodge, S., & Karam, L. (2016). Understanding How Image Quality Affects Deep Neural Networks (arXiv:1604.04004). arXiv. http://arxiv.org/abs/1604.04004
Pham, T. L. H., Tran, T. H., Nguyen, V. K., & Luu, T. H. (2015). Application of digital image processing in tracking the movement of mobile robots. Can Tho University Journal of Science, 39 (in Vietnamese).
Huynh, Q. K., Nguyen, C. N., Vo, N., H. P., Le, H. T., Le, D. K. L., & Nguyen, V. C. (2020). Identification of the Damages Caused by Diseases on Fresh Destemmed Chili Fruits. 2020 12th International Conference on Knowledge and Systems Engineering (KSE), 126–130. https://doi.org/10.1109/KSE50997.2020.9287653
Huynh, Q. K., Nguyen, C. N., Vo, N. H. P., Tran, N. P. L., Le, P. H., Le, D. K. L., & Nguyen, V.-C. (2021). Crack Identification on the Fresh Chilli (Capsicum) Fruit Destemmed System. Journal of Sensors, 2021, 1–10. https://doi.org/10.1155/2021/8838247
Huynh, Q. K., Nguyen, V. C., Le, H., & Linh, L. (2019). Research on process of chilli processing and propose operating principle of fresh chilli stem classification system. Can Tho University Journal of Science, 55, 2-9 (in Vietnamese). https://doi.org/10.22144/ctu.jvn.2019.032
Vo, T. T. L., (2016). Assessment of agri-product value chains in the Mekong Delta: Problems and solutions. https://doi.org/10.22144/ctu.2016.jen.001
Tran, N. H., & Nguyen, T. L. T., (2016). Research on the preparation of Trichoderma sp. to control anthracnose caused by Colletotrichum spp. on chilli plants (Capsicum frutescens). Can Tho University Journal of Science, 45 (in Vietnamese). https://doi.org/10.22144/ctu.jvn.2016.529
OpenCV: OpenCV-Python Tutorials. (n.d.). Retrieved May 4, 2024, from https://docs.opencv.org/4.x/d6/d00/tutorial_py_root.html
TensorFlow. (n.d.). Retrieved May 5, 2024, from https://www.tensorflow.org/
Zhu, Q., Fan, L., & Weng, N. (2024). Advancements in point cloud data augmentation for deep learning: A survey. Pattern Recognition, 153, 110532. https://doi.org/10.1016/j.patcog.2024.110532v