طراحي و ساخت سيستم جداسازي سبزشدگي و خرابي ظاهري سيب زميني با استفاده از ماشين بينايي

Design and Development of an Online Potato Greening and Exterior Defects Sorting System Using Machine Vision

با توجه به اهميت درجه بندي كيفي در اين تحقيق درجه بندي سيب زميني با پردازش تصوير به عنوان يك پروژه ماشين بينايي مورد توجه قرار گرفت. در اين تحقيق نه تنها سامانه كامل درجه بندي با توجه به شرايط واقعي و صنعت ي طراحي، ساخت و ارزيابي شد بلكه از لحاظ پيش پردازش تصوير نيز عملياتي روي تصاوير برخط صورت گرفت كه باعث شد در شناسايي قسمت هاي سبزينه سيب زميني بهبود حاصل شود. سيستم شامل سه بخش اصلي تغذيه، پردازش تصوير و عملگرها مي باشد كه با توجه به اهميت هر بخش، طراحي و ساخت هر كدام جداگانه انجام گرفت. در طراحي سيستم تغذيه با توجه به زاويه استقرار انواع مختلف سيب زميني ها، از يك تسمه نقاله شيب دار قابل تنظيم، استفاده شد. استفاده از دو آينه در محفظه تصوير برداري با زاويه 78 درجه نسبت به افق باعث شد در تصاوير گرفته شده از سطح جانبي سيب زميني ها تا حدود 94 درصد تحت پوشش قرار گيرد. تصاوير توسط نرم افزار LABVIEW پردازش گرديد. براي جداسازي سيب زميني ها، از سامانه عملگر شيرهاي كنترل نيوماتيكي و هواي تحت فشار استفاده شد. با توجه به برخط بودن سامانه، كليه زمان هاي پردازش تصوير، انتقال محصول و عملكرد عملگرها، محاسبه و بر حسب سرعت تغذيه سيب زميني ها به سيستم پردازش و جداسازي اعمال شدند. در نهايت براي ارزيابي اوليه سامانه، مقدار 100 كيلوگرم سيب زميني در اختيار سيستم قرار گرفت كه با سرعت چهار سيب زميني در هر ثانيه و با دقت 94/2 براي سبزينه و 95/3 براي خرابي ظاهري جداسازي انجام شد.

Considering the importance of a grading based on quality, potato grading based on image processing as a machine vision project was considered in this research. Not only the complete system of grading was designed, built and assessed considering the real and industrial conditions, but also from the aspect of image pre processing some operations were performed which resulted in an improvement in the recognition of greening parts of the potatoes. The system is consisted of three major sections which are the feeder, the image processing, and the accelerators, and the designing and building of each section was done separately considering the importance of each section. In the design of the feeder system, based on the stabilization angle of different potatoes, an adjustable inclined belt conveyor was used. Using two mirrors in the imaging box with an angle of 78 degrees from horizontal resulted in 94% coverage of the side area of the potatoes in the taken images. LABVIEW software was used to process the images. To separate the potatoes, the accelerator system of Pneumatic control valves and pressured air were used. As the system is online, all of timings related to image processing, product transferring and accelerators operation were calculated and applied based on the speed of the potatoes being fed to processing and sorting system. Finally, for the primary evaluation of the system, 100 kg of potatoes were fed to the system which sorted them out with an accuracy of 97.4% for greening and 95.3% for surface defects, and with the speed of four potatoes per second