Машинанын көрүү системдеринин жемиш чürүүнү аныктоодо колдонулушу

Жемиштердин глобалдык бийиктик чынжырында чүрүп кетүүдөн кийинки чыгым кыйынчылык болуп саналат, статистикалык маалыматтарга караганда, таза жемиштердин жылына 25% чейинки бөлүгү сорттоо жана сактоо учурунда байкоо аркылуу аныкталбаган чүрүүлөр түзгөн зыян менен четке какылат. Традициялык жемиштерди чүрүүнү аныктоо ыкмалары, кол менен текшерүүгө негизделген, бул ири өлчөмдөгү өнөмдөр менен иштөөдө же көздөн карата елеңсиз болгон өнүгүштүн алгачкы стадиясындагы чүрүүлөрдө адам тарабынан катаалар кылынышы мүмкүн, ошондой эле көп иш талап кылат жана убакытты көп талап кылат. Бул чектөөлөрдү чечүү үчүн машиналык көрүү системалары (MVS) алдын ала байкалган, компьютердик көрүү жана машиналык окуу алгоритмдерин колдонуп, тез, так жана бузулбаган чыныгынын аныкталышын камсыз кылды.

1. Машиналык көрүү системасынын техникалык негизи

Долбоордун негизги максаты - жемиштердин бетинде маалыматтарды автоматтык түрдө тартып, чыныгы менен байланышкан визуалдык өзгөчөлүктөрдү талдоо жана жемиштерди "сау" же "чыныккан" деп жогорку тактыкта классификациялоо үчүн система иштеп чыгуу. Системанын архитектурасы үч негизги компонентке негизделген: тартуу техникасы , сүрөттөрдү иштетүү модулдары , жана чыныгынын классификация алгоритмдери .

1.1 Тартуу техникасынын орнотулушу

Маалымат жыйноону камсыз кылуу үчүн долбоор көптөгөн сенсорлорду колдонот, анын ичинде:

Жогорку чечкичилиштеги RGB камералар : түстүү маалыматтарды тартуу, анткени чыныккан жерлер көбүнчө түсү өзгөрүп (мисалы, алмада кара дарагайлар, коозукооздо күрөң чыбыр болуп) чагылдырылат.

Жакын инфракызыл (NIR) камералар : Алмурттагы ортоңку чырышып кетүү же өрүктөгү бозулуш сыяктуу бетинде көрүнбөй турган ички чырышып кетүүлөрдү аныктоо — бул жемиштин NIR диапазонундагы спектралдык чагылтылышын өзгөртөт.

Башкаруу жарык системасы : Түстүү алмалар менен матта авокадо сыяктуу ар түрдүү жемиш түрлөрү үчүн сүйүрлөр, жаркыраш жана чөйрөлөгү жарыктын бузулуусун минималдуу кылуу үчүн интенсивдүүлүгүн жана толкун узундугун өзгөртүүгө боло турган LED панелдер, бул туруктуу сүрөт сапатын камсыз кылат.

1.2 Сүрөттүн алдын ала иштелиши: Мүнөздөмөлөрдүн көрүнүшүн жакшыртуу

Таза сүрөттөр көп учурда жумшак чырышкан жерлердин четтерин сактап, жогорку жыштыктагы түрткүлөрдү жумшартуу үчүн Гауссий фильтрлерин колдонуу. Бул кадамдардын ар бири чырышып кетүү белгилерин жашыруучу шамалдуу (мисалы, жемиштердин бетинде чопуру, жарыктын бирдей эместиги) кирди камтиган болушу мүмкүн.

Жылдыз кемитүү : Чырышып кетүү мүмкүнчүлүгү бар жерлердин четтеринин деталдарын сактап, жогорку жыштыктагы түрткүлөрдү жумшартуу үчүн Гауссий фильтрлеуди колдонуу.

Түс кеңирилишинин которулушу : Чычкандын түсүнө байланыштуу RGB сүрөттөрдү HSV (Hue-Saturation-Value) түс кеңлигине өзгөртүү, анткени түстүн өзгөрүшүнө чычкананын RGB каналдарына караганда ачуу жана түстүн насыщенносту канальдары дагы сезгич. NIR сүрөттөр үчүн - ак-кара түстөрдү колдонуп, гистограмманы теңдештирүү аркылуу ден-соолукту жана чычканган тканынын ортосундагы контрастты жакшыртуу.

Сегментация : Жемишти фонондон бөлүп алган жана чычканын аймактарын бөлүү үчүн порогдук жана четтерди аныктоо алгоритмин колдонуу (мисалы, Кенни чет аныктагыч). Мисалы, жашыл алмалардын боз саргыч чычканын аныктоо үчүн ачуу каналында порогдук колдонуу, ал жемиштин жашыл түсүнөн айырмаланып турат.

2. Долбоордун иштеши: жемишти киргизүүдөн сорттоого чейинки чыгуу

Машиналык көздүн байкоо системасы жемишти жыйноо сызыгынын бириктирилген бөлүгү катары туташкан иш процесинде иштейт:

Жемишти берүү : Мөмөлөр тасма конвейерине жүктелет, аларды фрукттардын өлчөмүнө жараша (мисалы, алмалар үчүн 0,5 м/с, кичинекей чий үчүн 0,3 м/с) орундагы тезлик менен имаждаштыруу станциясына жеткирет.

Сүрөттү тартуу : Имаждаштыруу аймагына фрукт киришин позиция датчиги аныктаганда, RGB жана NIR камералар фруктту 3–5 бурчтан тартышат.

Чыныгы убакытта иштетүү : Алдын-ала иштетүү каналы < 0,5 секунд ичинде сүрөттөрдү иштетет жана классификация модели (оозокой/эрте чырык/катуу чырык) чырыктын статусу боюнча божомолдоо жана ишенимдүүлүк деңгээлин берет (мисалы, катуу чырык үчүн 98% ишенимдүүлүк).

Сорттоо аракети : Божомолдоого негизденип, система конвейердин аягындагы пневматикалык актюаторго же робот колго сигнал жөнөтөт. Денсаалам фрукттар "жыйноо" линиясына, эрте чырыккан фрукттар кайрадан текшерүү үчүн (жалган оң натыйжаларды минималдуу кылуу үчүн) "сапаттык башкаруу" бекетине, ал эми катуу чырыккан фрукттар "кийинки" контейнерине багытталат.

Датанын журналы : Система алыптын IDсин, сүрөттөрүн, классификациянын натыйжасын жана ишенимдүүлүк баллын булут-негизделген базага жазат. Бул маалыматтар классификация моделини мезгил сайын кайрадан окутуу үчүн колдонулат, анткени көбүрөөк маалымат жыйналган сайын тактык артат.

3. Чын жашоодогу колдонулуусу жана иштөө: Мисалдар

3.1 Алма чürүгүн аныктоо

Тактык : Система чürüндү аныктоодо 96,2% тактыкка жетти (кол менен текшерүүдө 82,5%), ал эми туура эмес оң натыйжа деңгээли бар гана 2,1% болду (кол менен текшерүүдө 7,8%).

Шылтоо : Система минутасына 120 алма иштеди, ал эми кол менен текшерүүчүнүн минутасына 40 алма иштөөсүнө карата — эмгек чыгымдарын 67% кыскартты.

Эрте аныктоо : Жакын ИЧ камера алманын ичинде чürüнүн пайда болушун кол менен текшерүүдөн 5–7 күн мурда аныктоого мүмкүндүк берди, демек чürüй баштаган алыптарды сактоо учурунда чürüш таркабай тургузуп сорттоого мүмкүндүк берет.

3.2 Чийдин чürüгүн аныктоо

Мисал : Чий сезимдуу жана бетинин плесеньге (мисалы, Botrytis cinerea ) бул кичинекей өлчөмүнөн улам кол менен текшерүүчүлөр тарабынан көп учурда эмес калтырылат.

Натыйжасы : Системанын жогорку чечкиликтеги RGB камералары жана CNN моделдери диаметри 2 мм болгон плесеньди 94,8% аныктык менен аныктады. Бул ферманын мурунку кол менен сорттоо процессине салыштырмалуу жемиштерди жиноп алуудан кийинки жоголтууларды 30% кысқартты.

3.3 Манго чырыгынын аныкталышы

Мисал : Манго көбүнчө кол менен текшерүү учурунда көрүнбөй турган жерде – жыгачында пайда болуп, ичинке тарабына тарайткан «жыгачынын учунын чырыгы» пайда кылат.

Натыйжасы : Системанын көптөгөн бурчтардан тартуусу (жыгачыга багытталган түбүндөгү камера) жана NIR талдоосу жыгачынын учунын чырыгын 95,5% аныктык менен аныктады, бул экспортторго жөнөтүлүүчү жомоктордо чыраксыз манго талап кылынышына байланыштуу жыйнактоо борборунун жомоктору четке какылышын алдын алууга жардам берди.

4. Кыйынчылыктар жана болочок багыттар

Бул долбоор жакшы натыйжалар көрсөткөнүнө карабастан, чечилүүгө тиеш болгон бир нече кыйынчылыктар туруп калат:

Жемиш түрлөрүндөгү өзгөрүмдүүлүк : Азыркы модель жалпы түрлөрдө эң жакшы иштейт, бирок дуриан, личи сыяктуу сейрек же аймакка тандоочулук мөмөлөрдө окутуу маалыматтарынын чектүүлүгүнө байланыштуу кыйынчылыктарды башынан өткөрөт. Келечектеги иштер глобалдык фермалар менен бириккенде маалыматтар базасын кеңейтүүнү камтышы мүмкүн.

Жаратылыштык иретке чейин : Жиналгы жайлардагы ылгалдуулук камеранын линзаларында конденсацияга алып келет жана бул түшмөлөрдүн сапатына таасир этет. Команда бул маселени чечүү үчүн булгануусун басаңдатуучу капталуулуу сууга чыдамдуу камералык корпусторду иштеп чыгууда.

Чыгымга Мумкунчуулук : Баштапкы орнотуу чыгымы (50000 АКШ доллары шамалындагы жабдык жана программалык камсыздан) чакан көлөмдөгү фермалар үчүн кыйынчылык тудуроо мүмкүн. Кийинки версиялар чыгымдарды 60% кыскартуу үчүн Raspberry Pi сыяктуу смартфон камераларын жана четте иштөөчү центрлерди колдонуу менен төмөн чыгымдуу варианттарга басым жасайт.

5. Божомол

Мөздүк чычкананын бузулушун аныктоо үчүн машиналык көрүү системасынын долбоору жеткилген сапаттык башкарууда парадигманы өзгөртүүнү билдирет, ал эмне менен кол менен текшерүүдүн тийишсиздүүлүгүн жана чектөөлөрүн чечет. Бул система жогорку деңгээлдеги тасма тартуу, реалдуу убакытта тасма иштетүү жана машиналык үйрөнүүнү бириктирип, жеткилгенден кийинки учурда болуп жаткан жоголтууларды, ишчилерге кеткен чыгымдарды азайтат жана тукучулар үчүн мөздүк чычкананын сапатын камсыз кылат. Бул технология ар кандай түрдүү мөздүк чычканаларга ынгайлашып, киргизилүүсү ыңгайлашуу менен глобалдуу мөздүк чычкана айлантып берүү тизмегин өзгөртүү ыктымалдуулугуна ээ, бул өсүп жаткан талап коюлуп жаткан заманда туруктуулукту жана тамак-аш коопсуздугун камсыз кылат.