基于综合指标品质评价算法的单色水果生长状态检测互联网架构

doi:10.13229/j.cnki.jdxbgxb20180910

摘要/Abstract

摘要：

针对规模化水果类农作物品质检测问题，提出了一种基于综合指标品质评价算法的单色水果生长状态检测互联网架构。通过RGB颜色模型、卷积探索法、Gabor滤波3种方法对水果的颜色深度、尺寸大小、外观损伤程度进行分析，综合分析3种结果，将水果品质分为6个等级，对生长中的水果进行品质评价。将算法融入互联网架构中，基于传统工业系统结构，对系统与外界之间的网络互联、数据智能、安全保障进行改进，实现水果生长检测互联网架构的结构优化。在扁平化发展结构的同时，推动结构网络化、数据互联化、安全层次融合化，并用于农作物实时监控中，记录水果成长过程。通过对长春市面上常见的单色水果进行试验可知，本架构中的算法可以根据具体的种类制定不同的分级评价标准，并提高系统与外界的交互能力和品质评价效能，减少人工投入。

关键词: 农业工程, 综合指标品质评价, 生长状态检测, 互联网架构, RGB颜色模型, 卷积探索, Gabor滤波

Abstract:

To solve the problem of quality detection of large-scale fruit crops, this paper proposes an Internet architecture for monochrome fruit growth status detection based on comprehensive index quality evaluation algorithm. Through the RGB color model, convolution exploration method and Gabor filtering, the color depth, size and appearance damage degree of the fruit were analyzed. The three results were comprehensively analyzed, and the fruit quality was divided into 6 grades for the growing fruit quality evaluation. The algorithm was integrated into the Internet architecture. Based on the traditional industrial system structure, the network interconnection, data intelligence and security between the system and the outside world were improved. The structural optimization of the fruit growth detection Internet architecture was realized, and the structure flat development was mad and structure network, data interconnection, security level integration were promoted, which was used in real-time monitoring of crops and recording the fruit growth process. Experiments conducted by common monochrome fruits in Changchun show that the algorithms in this architecture can formulate different grading evaluation standards according to specific types, improve the interaction ability and quality evaluation efficiency between the system and the outside world, and reduce manual input.

Key words: agricultural engineering, comprehensive indicator quality evaluation, growth detection, internet architecture, RGB color model, convolution exploration, Gabor filtering

中图分类号:

TP393

刘恩泽,吴文福. 基于综合指标品质评价算法的单色水果生长状态检测互联网架构[J]. 吉林大学学报(工学版), 2019, 49(6): 2019-2026.

En-ze LIU,Wen-fu WU. Monochrome fruit growth detection internet architecture based oncomprehensive indicator quality evaluation algorithm[J]. Journal of Jilin University(Engineering and Technology Edition), 2019, 49(6): 2019-2026.

图/表 11

图1

图2

表1

品质分级标准"

等级	分档	符合的要求
1	上	$s g n (F - F 6) + s g n (T - T 6) + s g n (D - D 6) = 3$
	中	$s g n (F - F 6) + s g n (T - T 6) + s g n (D - D 6) = 2$
	下	$s g n (F - F 6) + s g n (T - T 6) + s g n (D - D 6) = 1$
2	上	$s g n (F - F 5) + s g n (T - T 5) + s g n (D - D 5) = 3$
	中	$s g n (F - F 5) + s g n (T - T 5) + s g n (D - D 5) = 2$
	下	$s g n (F - F 5) + s g n (T - T 5) + s g n (D - D 5) = 1$
3	上	$s g n (F - F 4) + s g n (T - T 4) + s g n (D - D 4) = 3$
	中	$s g n (F - F 4) + s g n (T - T 4) + s g n (D - D 4) = 2$
	下	$s g n (F - F 4) + s g n (T - T 4) + s g n (D - D 4) = 1$
4	上	$s g n (F - F 3) + s g n (T - T 3) + s g n (D - D 3) = 3$
	中	$s g n (F - F 3) + s g n (T - T 3) + s g n (D - D 3) = 2$
	下	$s g n (F - F 3) + s g n (T - T 3) + s g n (D - D 3) = 1$
5	上	$s g n (F - F 2) + s g n (T - T 2) + s g n (D - D 2) = 3$
	中	$s g n (F - F 2) + s g n (T - T 2) + s g n (D - D 2) = 2$
	下	$s g n (F - F 2) + s g n (T - T 2) + s g n (D - D 2) = 1$
6	上	$s g n (F - F 1) + s g n (T - T 1) + s g n (D - D 1) = 3$
	中	$s g n (F - F 1) + s g n (T - T 1) + s g n (D - D 1) = 2$
	下	$s g n (F - F 1) + s g n (T - T 1) + s g n (D - D 1) = 1$

表1

图3

图4

图5

表2

表3

表4

图6

表5

参考文献

1	万鹏, 孙瑜, 孙永海 . 基于计算机视觉的大米粒形识别方法[J]. 吉林大学学报: 工学版, 2008, 38(2): 489-492.
1	Wan Peng , Sun Yu , Sun Yong-hai . Recognition method of rice kernel shape based on computer vision[J]. Journal of Jilin University (Engineering and Technology Edition), 2008, 38(2): 489-492.
2	孙俊,宋佳,武小红,等 .基于改进Otsu算法的生菜叶片图像分割方法[J]. 江苏大学学报:自然科学版,2018,39(2):179-184.
2	Sun Jun , Song Jia , Wu Xiao-hong , et al . Image segmentation method of lettuce leaf based onimproved Otsu algorithm[J]. Journal of Jiangsu University(Natural Science Edition),2018,39(2):179-184.
3	张连宽, Weckler Paul ,肖德琴 .作物叶面图像自动分割方法[J].江苏大学学报:自然科学版, 2016,37(6):663-669.
3	Zhang Lian-kuan ， Weckler Paul ， Xiao De-qin . Automtic leaf surface region segmentation from crop image[J]. Journal of Jiangsu University(Natural Science Edition), 2016,37(6):663-669.
4	蔺宇, 齐二石, 史英杰 . 中国工业工程发展及其在制造业的应用研究[J]. 科学学与科学技术管理, 2007, 28(4): 148-152.
4	Lin Yu , Qi Er-shi , Shi Ying-jie . The study of china industry engineering's developing status and application in manufacturing enterprises[J]. Science of Science and Management of S & T, 2007, 28(4): 148-152.
5	陈超 . 计算机视觉技术在农产品品质检测中的应用[J]. 电子技术与软件工程, 2016(1):175.
5	Chen Chao . Application of computer vision technology in quality inspection of agricultural products[J]. Electronic Technology and Software Engineering, 2016(1):175.
6	杨震, 张东, 李洁, 等 . 工业互联网中的标识解析技术[J]. 电信科学, 2017, 33(11): 134-140.
6	Yang Zhen , Zhang Dong , Li Jie , et al . Identifier technology in industrial internet[J]. Telecommunications Science, 2017, 33(11): 134-140.
7	李朝东, 崔国贤, 盛畅, 等 . 计算机视觉技术在农业领域的应用[J]. 农机化研究, 2009, 31(12): 228-232.
7	Li Zhao-dong , Cui Guo-xian , Sheng Chang , et al . Application of computer vision technology in agriculture[J]. Journal of Agricultural Mechanization Research, 2009, 31(12): 228-232.
8	耿庆田, 于繁华, 赵宏伟, 等 . 基于颜色特征的火焰检测新算法[J]. 吉林大学学报: 工学版, 2014, 44(6): 1787-1792.
8	Geng Qing-tian , Yu Fan-hua , Zhao Hong-wei , et al . New algorithm of flame detection based on color features[J]. Journal of Jilin University (Engineering and Technology Edition), 2014, 44(6): 1787-1792.
9	应义斌 . 水果尺寸和面积的机器视觉检测方法研究[J].浙江大学学报: 农业与生命科学版, 2000, 26(3): 229-232.
9	Ying Yi-bin . Research in method to detect size and area of fruits by machine vision[J]. Journal of Zhejiang University(Agricultural and Life Sciences Edition), 2000, 26(3): 229-232.
10	Song R J , Zhang Z Q , Liu H Y . Edge connection based Canny edge detection algorithm[J]. Pattern Recognition and Image Analysis, 2017, 27(4): 740-747.
11	Bergmann R , Fitschen J H , Persch J , et al . Infimal convolution coupling of first and second order differences on manifold-valued images[C]∥6th International Conference on Scale Space and Variational Methods in Computer Vision, Kolding Denmark, 2017: 447-459.
12	Malik H , Pervaiz H , Mahtab A M , et al . Radio resource management scheme in NB-IoT systems[J]. IEEE Access, 2018, 6: 15051-15064.
13	Jacobsen D , Ott P . Cloud architecture for industrial image processing: Platform for realtime inline quality assurance[C]∥IEEE 15th International Conference on Industrial Informatics, INDIN 2017, Emden, Germany, 2017: 72-74.
14	陈红 . 基于计算机视觉的花生仁外观品质无损检测方法的研究[D]. 武汉: 华中农业大学食品科学技术学院, 2008.
14	Chen Hong . Study on appearance quality nondestructive inspection of peanut using computer vision[D]. Wuhan: Food Science and Technology, Huazhong Agricultural University, 2008.
15	孙静涛 . 基于光谱和图像信息融合的哈密瓜成熟度无损检测研究[D]. 石河子:石河子大学食品学院, 2017.
15	Sun Jing-tao . Study on nondestructive dection of hami melon maturity based on information fusion of spectrum and image[D]. Shihezi: Food College, Shihezi University, 2017.
16	潘磊庆 . 基于计算机视觉和声学技术融合检测鸡蛋品质的研究[D]. 南京: 南京农业大学食品科技学院, 2007.
16	Pan Lei-qing . Egg quality detection based on computer vision and acoustic technology[D]. Nanjing: College of Food Science and Technology, Nanjing Agricultural University, 2007.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

分类	本文算法			文献[14]方法
分类	识别数	正确数	正确率/%	识别数	正确数	正确率/%
优质品	996	995	99.7	984	980	95.7
一般品	1000	998		971	951
残次品	998	998		964	942

分类	本文算法			文献[15]方法
分类	识别数	正确数	正确率/%	识别数	正确数	正确率/%
优质品	999	999	99.6	985	982	95.8
一般品	996	996		962	953
残次品	995	994		945	939

分类	本文算法			文献[16]方法
分类	识别数	正确数	正确率/%	识别数	正确数	正确率/%
优质品	992	990	99.4	975	953	95.1
一般品	997	995		952	942
残次品	998	998		968	956

消耗物		工业互联网	人工
化肥	质量/kg	1 772	1 749
化肥	价值/元	8 442	8 345
耗电量	电量/（kW·h）	1 421	1 054
耗电量	价值/元	852	612
农作物	价值/元	13 000	13 000
设备费用	价值/元	20 000	13 000
人工费	价值/元	7 000	50 000
场地费	价值/元	4 000	5 000
总成本	价值/元	53 294	89 957

[1]	秦嘉浩,李臻,光岡宗司,井上英二,宋正河,朱忠祥. 基于模型实验的拖拉机配置对稳定性的影响差异[J]. 吉林大学学报(工学版), 2019, 49(4): 1236-1245.
[2]	梁方,尤泳,王德成,王光辉,贺长彬,李帅. 运动参数对草地切根刀具与土壤作用关系的影响[J]. 吉林大学学报(工学版), 2019, 49(3): 903-911.
[3]	王扬, 王晓梅, 陈泽仁, 于建群. 基于离散元法的玉米籽粒建模[J]. 吉林大学学报(工学版), 2018, 48(5): 1537-1547.
[4]	贾洪雷, 王万鹏, 陈志, 庄健, 王文君, 刘慧力. 基于土壤坚实度的仿形弹性镇压辊镇压力实时测量方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1169-1175.
[5]	陈东辉, 吕建华, 龙刚, 张宇晨, 常志勇. 基于ADAMS的半悬挂式农业机组静侧翻稳定性[J]. 吉林大学学报(工学版), 2018, 48(4): 1176-1183.
[6]	王扬, 吕凤妍, 徐天月, 于建群. 大豆籽粒形状和尺寸分析及其建模[J]. 吉林大学学报(工学版), 2018, 48(2): 507-517.
[7]	贾洪雷, 郑嘉鑫, 袁洪方, 郭明卓, 王文君, 于路路. 大豆播种机双V型筑沟器设计与试验[J]. 吉林大学学报(工学版), 2017, 47(1): 323-331.
[8]	王玉，申铉京，陈海鹏，谭颖. 多角度特征融合的视频人脸纹理表示及识别[J]. 吉林大学学报(工学版), 2015, 45(6): 1954-1960.
[9]	肖志锋, 乐建波, 吴南星, 刘相东. 操作压力对过热蒸汽流化床干燥的影响[J]. 吉林大学学报(工学版), 2015, 45(4): 1375-1380.
[10]	张金波，佟金，马云海. 仿生肋条结构表面深松铲刃的磨料磨损特性[J]. 吉林大学学报(工学版), 2015, 45(1): 174-180.
[11]	齐龙, 谭祖庭, 马旭, 陈国锐, 谢俊锋, 邝健霞. 气动振动式匀种装置工作参数的优化及试验[J]. 吉林大学学报(工学版), 2014, 44(6): 1684-1691.
[12]	李欢利, 郭立红, 王心醉, 李小明, 董月芳, 方艳超. 基于加权Gabor滤波器的虹膜识别[J]. 吉林大学学报(工学版), 2014, 44(01): 196-202.
[13]	齐龙, 廖文强, 马旭, 林建衡, 区志行, 詹志勋. 水田小型除草机器人平台控制系统设计与测试[J]. 吉林大学学报(工学版), 2013, 43(04): 991-996.
[14]	翟治芬, 严昌荣, 张建华, 张燕卿, 刘爽. 基于蚁群算法和支持向量机的节水灌溉技术优选[J]. 吉林大学学报(工学版), 2013, 43(04): 997-1003.
[15]	张强, 张璐, 刘宪军, 于路路, 贾洪雷. 基于有限元法的仿生钩形深松铲耕作阻力[J]. 吉林大学学报(工学版), 2012, 42(增刊1): 117-121.