برآورد حجم گردو به كمك روش پردازش تصوير بر اساس خاصيت پرسپكتيو و جمع المان‌هاي متشابه

Volume estimation of walnut using image processing method based on perspective laws and similar elements

محاسبه حجم محصولات كشاورزي به دليل‌هاي مختلفي از جمله بررسي كيفيت و درجه‌بندي انجام مي‌شود. در چند سال اخير استفاده از روش غير‌مخرب و سريع ماشين بينايي با كامپيوتر و دوربين‌هاي ديجيتال گسترش و محبوبيت يافته است. اين پژوهش تلاشي براي توسعه و ارزيابي يك الگوريتم جديد پردازش تصوير براي تصحيح خطاي خاصيت پرسپكتيو طبيعي تصويربرداري و برش المان‌هاي متشابه و جمع حجم آن‌ها براي برآورد حجم محصول است كه در اين پژوهش از محصول گردو استفاده شده است. در كنار ارايه اين روش چند روش رايج ديگر شامل روش وزن آب جابجا شده به عنوان روش مرجع، استفاده از قطر ميانگين هندسي و استفاده از مساحت سطح منظري نيز آورده شده است تا بتوان نتايج اين روش را روي گردو بهتر ارزيابي كرد. خطاهاي روش‌هاي استفاده از قطر ميانگين هندسي، مساحت سطح منظري، جمع المان‌هاي متشابه به ترتيب 6/9%، 2/10% و 7/10% به دست آمد. نتايج نشان داد كه در ماشين بينايي به دليل خاصيت پرسپكتيو طبيعي در تصويربرداري، اجسام كوچك (گردو) نسبت به اجسام بزرگ‌تر خطاي بيشتري براي حجم سنجي ايجاد مي‌كنند.

Calculation of the volume of agricultural products is done for many reasons such as surveying the quality and grading. Over the recent years, the use of nondestructive and fast method of machine vision has been extended and became popular by use of computer and digital cameras. This study was accomplished to develop and evaluate a new image processing algorithm for correcting the error of natural perspective of imaging by cutting the similar elements and sum of their volumes for estimation of walnut volume. Additional to the present method, some other common methods such as weight of displaced water as the reference method, geometric mean diameter and the surface of view field were implemented for comparisons. The mean of error for the geometric mean diameter, the surface of view field and similar element method were 9.6%, 10.2% and 10.7%, respectively. The results showed that in machine vision and due to the natural perspective of imaging, determination of volume for small objects (here walnut) yields a higher error compared with larger objects.