طراحي و پياده سازي نرم افزار تعيين مشخصه هاي فيزيكي محصولات كشاورزي

Design and Implementation of Software for Physical Characteristics Determination of Agricultural Products

ابعاد هندسي، شكل و رنگ محصولات كشاورزي از جمله پارامترهايي هستند كه توسط ماشين بينايي قابل تشخيص هستند. يك سيستم ماشين بينايي شامل واحد تصويربرداري، واحد پردازش تصاوير و واحد نمايش اطلاعات است. نرم افزار هاي كامپيوتري مسئوليت اصلي پردازش تصاوير و نمايش اطلاعات را بر عهده دارند. در اين تحقيق يك الگوريتم براي پردازش تصاوير محصولات كشاورزي و استخراج مشخصه هاي فيزيكي آنها شامل طول، عرض و سطح تصوير ارائه شد. الگوريتم ارائه شده شامل سه مرحله اصلي (پردازش ستوني، پردازش سطري و استخراج ويژگي هاي هندسي محصول) است. اين الگوريتم با استفاده از زبان برنامه نويسي ويژوال بيسيك پياده سازي شد. نرم افزار طراحي شده داراي دو پنجره اصلي و پنجره تنظيمات است كه كار با آن را براي كاربر تسهيل مي نمايد. با استفاده از نرم افزار طراحي شده مي توان مشخصه هاي فيزيكي محصولات مختلف شامل طول، عرض و سطح تصوير را بدست آورده و هيستوگرام هاي مقادير رنگي B و G و R را ترسيم نمود. در اين تحقيق براي ارزيابي عملكرد نرم افزار طراحي شده از تصاوير هندوانه رقم چارلستون گري استفاده شد. دقت اين نرم افزار در تعيين طول، عرض و سطح تصوير اين رقم از هندوانه به ترتيب 98/95، 98/76 و 97/65 درصد بدست آمد.

Geometric dimensions, shape and color of agricultural products can be easily determined by machine vision. A machine vision system includes an image acquisition unit, image processing unit and information display unit. Computer software's are responsible for image processing and information display. In this research an algorithm was presented for image processing of agricultural products and extracting their physical characteristics (including length, width and projected area). The algorithm has three main steps (columnar processing, linear processing and extraction of geometric features of product). The algorithm was implemented using Visual Basic programming language. Designed software has two user friendly windows (main and settings dialog boxes). By using the software physical characteristics of different products can be determined and histograms of R, G and B color values can be drawn. Images of watermelon (Charleston Gray cultivar) were used to evaluate the performance of software. The software accuracy was 98.95, 98.76 and 97.65 percent in determination of length, width and projected area of watermelon, respectively