KR101540707B1 - 영상처리기술을 이용한 전복 자동선별 방법 - Google Patents

영상처리기술을 이용한 전복 자동선별 방법 Download PDF

Info

Publication number
KR101540707B1
KR101540707B1 KR1020140149390A KR20140149390A KR101540707B1 KR 101540707 B1 KR101540707 B1 KR 101540707B1 KR 1020140149390 A KR1020140149390 A KR 1020140149390A KR 20140149390 A KR20140149390 A KR 20140149390A KR 101540707 B1 KR101540707 B1 KR 101540707B1
Authority
KR
South Korea
Prior art keywords
image
rollover
measuring
abalone
weight
Prior art date
Application number
KR1020140149390A
Other languages
English (en)
Inventor
이동길
양용수
김성훈
박성욱
Original Assignee
대한민국
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 대한민국 filed Critical 대한민국
Priority to KR1020140149390A priority Critical patent/KR101540707B1/ko
Application granted granted Critical
Publication of KR101540707B1 publication Critical patent/KR101540707B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/16—Sorting according to weight
    • B07C5/22—Sorting according to weight using a plurality of stationary weighing mechanisms

Landscapes

  • Length Measuring Devices By Optical Means (AREA)

Abstract

본 발명은 컴퓨터를 기반으로 하는 비젼시스템과 같은 영상처리장치와 CCD 카메라를 이용하여 패류중에서 부가가치가 매우 높고 국민들이 선호하는 품종인 전복을 자동적으로 분류 및 선별할 수 있도록 한 전복 자동선별 방법에 관한 것으로서, 더욱 상세하게는 이송컨베이어로 전복을 이송시키는 과정에서 2대의 CCD 카메라로 전복의 평면영상과 측면영상을 각각 촬영한 다음, 해당 영상을 분석하여 전복의 전장(TL: Total length)과 체폭(BL: Body length)과 두께(T: Thickness)를 각각 측정하고, 전복의 외관 형상을 반편원(半扁圓: 납작하고 둥글게 생긴 물체를 수평 방향으로 하여 1/2로 나눈 형태) 타원체로 가정하여 앞서 측정된 데이터로 전복의 체적을 계산한 다음, 이와 같이 계산된 체적값(Cv: Calculated volume)과 실체적(Av: Actual volume)에 대한 무게(W: Weight)간의 선형회귀분석을 통하여 전복의 무게 추정이 가능한 수식을 산출토록 한 영상처리기술을 이용한 전복 자동선별 방법에 관한 것이다.

Description

영상처리기술을 이용한 전복 자동선별 방법{Method for the automatic grading of abalone based on image processing technology}
본 발명은 이송컨베이어로 전복을 이송시키는 과정에서 2대의 CCD 카메라로 전복의 평면영상과 측면영상을 각각 촬영한 다음, 컴퓨터를 기반으로 하는 비젼시스템과 같은 영상처리장치를 이용하여 해당 영상을 분석함으로서 전복의 전장과 체폭과 두께를 각각 측정하고, 이와 같이 측정된 데이터로 전복의 체적을 계산한 다음, 해당 체적값과 실체적에 대한 무게간의 선형회귀분석을 통하여 전복의 무게 추정이 가능한 수식을 산출토록 한 영상처리기술을 이용한 전복 자동선별 방법에 관한 것이다.
일반적으로 어류와 패류 등을 포함하는 각종 수산물은 대상물의 크기와 무게에 따라 그 가격 및 가치가 결정되기 때문에, 대상물의 정확한 분류 및 선별작업이 필수적으로 수행되어야 하며, 수산물의 신선도와 상품성을 유지하기 위해서는 대상물의 분류 및 선별작업이 최대한 짧은 시간내에 신속하게 수행되어야 한다.
그러나, 각종 수산물을 분류 및 선별하는데 사용되었던 기존의 방식은 인력으로 대상물의 길이 또는 무게를 일일이 개별적으로 측정하는 수작업에 의존하였기 때문에 많은 노동력과 작업시간이 요구되었으며, 이로 인하여 수산물의 분류 및 선별작업을 신속하고 정확하게 수행하여 대상물의 신선도와 상품성을 유지시킬 수 있도록 자동화된 분류 및 선별기술의 필요성이 대두되었다.
이러한 추세에 발맞추어, 최근에 들어서는 대한민국 공개특허 제 10-2013 -0057565호와 대한민국 등록특허 제 10-1378922호에 기재된 바와 같이, 갭벨트(Gap belts)나 롤러그레이더(Roller grader) 등의 기계식 선별기를 이용하여 짧은 시간내에 많은 량의 패류를 처리할 수 있도록 한 자동 분류 및 선별장치가 개발되었으며, 어류의 분류 및 선별작업에도 이와 유사한 형태의 기계식 분류 및 선별장치가 적용되고 있다.
그러나, 상기와 같은 종래의 자동 분류 및 선별장치는 기계식 선별기와 대상물간의 물리적인 마찰로 인하여 대상물의 상품성이 저하되는 문제점이 있었고, 특히 한 쪽에만 패각이 부착되어 있는 전복 등의 분류 및 선별작업에는 적용하기 어려운 실정이었으며, 대상물의 무게와 길이를 측정하지 않은 상태에서 분류 및 선별작업이 이루어짐에 따라 해당 작업의 정확성을 보장할 수 없는 문제점이 있었다.
또 다른 예로서, 대한민국 등록특허 제 10-0565853호에는 타원 형태의 회전레일을 따라 설치된 다수 개의 선별접시(Grading cups)에 전복을 한 마리씩 올려 놓은 다음, 상기 회전레일을 이용하여 각각의 선별접시를 이동시키는 과정에서 선별접시에 놓여진 전복의 무게가 등급별로 설정된 무게보다 무거울 경우, 시소의 원리에 의하여 선별구간을 따라 배치된 분류통측으로 선별접시가 기울어지도록 한 전복 등급 자동 선별장치가 기재되어 알려져 있다.
그러나, 상기와 같은 종래의 전복 등급 자동 선별장치는 각각의 선별접시마다 전복을 한 마리씩 올려 놓는 번거로운 세팅작업이 요구됨은 물론이고, 선별접시를 기울여 전복을 분류통으로 낙하시킨 이후에 각각의 선별접시를 원래의 위치대로 복원시키는 작업 역시 수작업에 의존하거나, 해당 작업의 자동화를 위하여 각각의 선별접시마다 등급별로 설정된 무게추의 복원속도 역시 매우 느리게 됨으로서, 전복의 분류 및 선별작업에 소요되는 시간과 비용을 기존의 전통적인 수작업과 비교하여 큰 폭으로 낮추기 어려운 문제점이 있었다.
상기와 같은 기계식 분류 및 선별작업의 문제점을 해결하기 위하여, 영상처리기술을 이용한 수산물의 분류 및 선별작업에 대한 연구개발이 진행되고 있으며, 그 일환으로 본 출원인에 의하여 2012년 특허출원 제 0005715호로 선출원 및 특허등록(제 10-1201430호)된 어류용 자동화 백신접종방법에는, 접종트레이상에 놓여진 어류를 이송시키는 과정에서 어류의 평면영상을 카메라로 촬영한 다음, 카메라로 촬영된 영상을 판독하여 어류의 전장(Total length)과 체폭(Body length)을 측정토록 한 기술이 반영되어 있다.
그러나, 상기와 같은 선출원에 있어서도, 카메라 촬영을 통한 2차원 평면영상으로부터 대상물의 전장과 체폭만을 측정토록 하였고, 대상물의 체고, 즉 두께에 대한 데이터는 포함되지 아니하였으므로, 선출원된 영상처리방식을 이용하여 각종 수산물의 분류 및 선별작업에 가장 중요한 기준이 되는 대상물의 무게를 추정하기에는 다소 부적합한 단점이 있었다.
다른 한편으로, 이송컨베이어로 어류를 이송시키는 과정에서 어류의 평면영상을 카메라로 촬영하는 한편, 이송컨베이어의 측면부에 설치된 투수광형 레이저 센서를 이용하여 어류의 이송 과정에서 어류의 체고를 측정토록 한 기술적 사항이 본 출원인에 의하여 2013년 특허출원 제 0046524호로 선출원 및 특허등록(제 10-1278630호)된 어류의 형태학적 영상처리를 통한 백신 자동 접종방법에 반영되어 있다.
상기와 같이 대상물의 전장과 체폭 및 두께를 포함하는 3차원적인 측정방식을 이용하여 대상물의 무게를 추정하게 되면, 앞서 설명된 선출원의 경우보다 비교적 정확한 측정값을 얻어낼 수 있지만, 레이저 센서를 포함하는 측정시스템의 구성이 복잡하고, 측정된 데이터를 보정하는 방법이 까다로우며, 단층 촬영된 영상 데이터를 취합하고 이를 재구성하기 위해서는 복잡한 처리과정이 필요한 단점이 있었다.
뿐만 아니라, 앞서 언급된 각각의 선출원은 어류의 복강위치를 정확하게 판단하여 해당 위치에 백신을 안전하게 정량 접종시키기 위한 목적으로, 컴퓨터와 비젼시스템에 의한 영상처리 및 형태학적 분석방식을 직교좌표로봇과 접목시킨 기술에 해당하므로, 각각의 선출원에 기재된 영상처리 및 형태학적 분석방식을 별다른 수정없이 패류 등의 수산물 분류 및 선별작업에 이용하기에는 다소 부족한 측면이 있었다.
대한민국 등록특허 제 10-1201430호 대한민국 등록특허 제 10-1278630호
본 발명은 상기와 같은 종래의 기계식 분류 및 선별장치의 문제점을 해결하기 위하여, CCD 카메라 및 이와 연계된 영상처리기술을 이용하여 패류중에서 부가가치가 매우 높고 국민들이 선호하는 품종인 전복을 자동적으로 분류 및 선별할 수 있도록 안출된 것으로서, 이송컨베이어로 전복을 이송시키는 과정에서 2대의 CCD 카메라로 전복의 평면영상과 측면영상을 각각 촬영한 다음, 해당 영상을 분석하여 전복의 전장(TL: Total length)과 체폭(BL: Body length)과 두께(T: Thickness)를 각각 측정하고, 전복의 외관 형상을 반편원(半扁圓: 납작하고 둥글게 생긴 물체를 수평 방향으로 하여 1/2로 나눈 형태) 타원체로 가정하여 앞서 측정된 데이터로 전복의 체적을 계산한 다음, 이와 같이 계산된 체적값(Cv: Calculated volume)과 실체적(Av: Actual volume)에 대한 무게(W: Weight)간의 선형회귀분석을 통하여 전복의 무게 추정이 가능한 수식을 산출토록 한 영상처리기술을 이용한 전복 자동선별 방법을 제공하는 것을 그 기술적인 과제로 한다.
상기의 기술적 과제를 해결하기 위한 수단으로서의 본 발명은, 이송컨베이어로 전복을 이송시키는 과정에서 전복의 평면영상과 측면영상을 CCD 카메라로 촬영하는 영상촬영단계; CCD 카메라로 촬영된 평면영상으로부터 전복의 전장과 체폭을 측정하고, CCD 카메라로 촬영된 측면영상으로부터 전복의 두께를 측정하는 영상처리 및 측정단계; 전복의 전장과 체폭과 두께의 측정치를 이용하여 전복의 체적값을 계산하는 체적산출단계; 산출된 체적값을 실체적에 대한 무게값과의 선형회귀분석을 통하여 무게추정식을 도출하는 회귀분석단계;를 거쳐서 이루어지고, 상기 체적산출단계에서는 전복의 외관 형상을 반편원 타원체로 가정하여 Cv = (π/6)×TL×BL×T의 수식으로 전복의 체적값을 산출토록 하는 한편, 상기 회귀분석단계에서는 전복의 외관 형상을 반편원 타원체로 하여 계산된 체적값과 실체적 각각에 대한 무게간의 선형회귀분석을 통하여 W = (π/5)×TL×BL×T + 1.91의 수식을 무게추정식으로 도출함을 특징으로 하며, 상기 영상촬영단계는 이송컨베이어로 전복을 이송시키는 과정에서 컨베이어벨트의 바닥면과 측면부에 설치된 2대의 CCD 카메라 및 각각의 CCD 카메라와 마주보는 위치에 배치된 적외선 LED 백라이트를 이용하여 전복 바닥면과 측면의 투영영상을 촬영하는 단계가 되고, 상기 이송컨베이어의 컨베이어벨트는 투명한 합성수지 소재의 벨트가 사용되는 것을 특징으로 한다.
이와 더불어, 상기 영상분석 및 측정단계는 영상의 전처리단계와 측정단계로 나뉘어 수행되고, 상기 측정단계는 전복의 바닥영상을 기초로 한 전장 및 체폭의 측정과, 전복의 측면영상을 기초로 한 두께의 측정으로 나뉘어 수행되며, 상기 전처리단계는, 전복 바닥면과 측면의 투영영상을 이미지 프레임으로 캡쳐하는 단계와, 캡쳐된 이미지를 8비트 그레이 스케일 이미지로 변환시키는 단계와, 그레이 스케일로 변환된 이미지의 닫기연산을 수행하는 단계와, 닫기연산이 수행된 이미지의 이진화 단계와, 이진화를 거친 바닥영상과 측면영상에 기준좌표계를 설정하는 단계를 순차적으로 거쳐서 이루어지고, 상기 측정단계 중 전복 전장과 체폭의 측정과정은, 바닥영상의 외곽 폐곡선을 검출하여 폐곡선을 이은 면적의 센터점과 각도를 검출하는 단계와, 검출된 센터점과 각도에 의하여 설정되는 좌표계를 기준좌표계로 변환시키는 단계와, 변환된 좌표계를 기준으로 전복 바닥영상의 엣지포인트를 검출하는 단계와, 검출된 엣지포인트를 이용하여 타원의 최소 제곱법으로 전복의 바닥 형태를 타원 형태로 구현하는 단계와, 해당 타원의 장축 길이를 전장으로 측정하고, 타원의 단축 길이를 체폭으로 측정하는 단계를 순차적으로 거쳐서 이루어지며, 상기 측정단계 중 전복 두께의 측정과정은, 측면영상을 명에서 암으로 스캔하는 단계와, 스캔 영상의 엣지포인트를 검출하는 단계와, 검출된 엣지포인트 중 최대 높이를 측정하여 이를 전복의 두께로 산출하는 단계를 순차적으로 거쳐서 이루어지는 것을 특징으로 한다.
상기와 같은 본 발명에 따르면, CCD 카메라 및 이와 연계된 영상처리기술을 이용하여 이송컨베이어를 따라 이송되어져 오는 전복의 무게를 추정한 다음, 추정된 무게에 해당하는 분류통으로 전복을 투입시킬 수 있도록 함으로서, 전복의 무게를 기초로 한 자동분류 및 선별작업이 가능토록 하는 효과를 제공하며, 이는 기존의 기계식 선별기보다 한층 더 신속하고 정확한 분류 및 선별작업이 가능한 방식이 됨은 물론이고, 대상물인 전복의 손상을 방지하여 그 상품성 또한 최대한으로 유지시킬 수 있는 효과를 제공한다.
상기와 같이 전복의 손상을 야기시키지 아니하는 신속하고 정확한 분류 및 선별작업을 통하여 신선한 전복을 저렴한 가격으로 소비자에게 공급할 수 있는 효과를 제공하며, 이로 인하여 어민들의 소득증대와 소비자의 제품만족도를 동시에 충족시킬 수 있을 뿐만 아니라, 수산연구분야에 있어 전복의 성장도를 분석하는 용도에 이르기까지 사용이 가능하고, 전복을 포함한 각종 패류나 어류의 분류 및 선별작업에도 유용하게 적용할 수 있는 등의 매우 유용한 효과를 가지는 것이다.
도 1은 본 발명에 사용되는 전복 외관형태 측정시스템의 개요도.
도 2는 본 발명에 따른 전복 자동선별 방법의 순서도.
도 3은 본 발명의 전복 자동선별 방법에 적용되는 영상처리 및 측정단계의 순서도.
도 4는 영상의 전처리단계를 나타내는 사진.
도 5는 전복의 바닥영상과 측면영상으로부터 전장(TL)과 체폭(BL)과 두께(T)를 측정하는 단계를 나타내는 사진.
도 6은 산출 체적값(Cv)과 실체적(Av)간의 상관관계를 나타내는 선형회귀분석 그래프.
도 7은 전복의 전장(TL)에 대한 전복 무게(W)의 상관관계를 나타내는 검증력 곡선 회귀분석 그래프.
도 8은 전복의 체폭(BL)에 대한 전복 무게(W)의 상관관계를 나타내는 검증력 곡선 회귀분석 그래프.
도 9는 전복의 두께(T)에 대한 전복 무게(W)의 상관관계를 나타내는 검증력 곡선 회귀분석 그래프.
도 10은 전복의 면적(A)에 대한 전복 무게(W)의 상관관계를 나타내는 검증력 곡선 회귀분석 그래프.
도 11은 전복의 산출 체적값(Cv)에 대한 전복 무게(W)의 상관관계를 나타내는 선형회귀분석 그래프.
도 12는 전복의 실체적(Av)에 대한 전복 무게(W)의 상관관계를 나타내는 선형회귀분석 그래프.
도 13은 LOOCV(Leave-one-out cross-validation)에 의하여 평가된 무게예상치의 오류분포도를 나타내는 그래프.
도 14의 (가) 및 (나)는 이송컨베이어와 연계된 전복 분류 및 선별방식의 예시도.
이하, 상기의 목적을 달성하기 위한 본 발명을 첨부된 도면을 참조하여 상세하게 설명하면 다음과 같다.
먼저, 본 발명의 구현을 위한 실험을 목적으로 2014년 01월에 국내 전복 물량의 80%가 생산되는 완도에서 28.75g으로부터 128.01g의 무게를 가지는 450마리의 전복을 구입하였고, 16.51g으로부터 28.61g의 무게를 가지는 50마리의 전복 치패를 국립수산과학원 남서해수산연구센터의 전복부화장에서 양식한 다음, 이를 국립수산과학원 시스템공학과의 실내용 순환식 양식수조로 옮겨 추가적으로 성장 및 순응시켰으며, 모든 전복은 배설물에 의한 무게의 영향을 최소화시킬 수 있도록 12.8℃의 수온조건하에서 24시간 동안 먹이공급을 중단한 상태로 유지시켰다.
또한, 다양한 크기를 가지는 전복의 치수를 연속적으로 측정할 수 있도록 도 1에서와 같이 컴퓨터 기반의 비젼시스템(6)을 영상처리장치로 하여 실험실 규모의 전복 외관형태 측정시스템(1)을 제작하였는 바, 본 발명의 구현을 위한 측정시스템(1)은 도 1에 도시된 형태 이외에도 다양한 형태로 구축이 가능함은 물론이고, 컴퓨터를 기반으로 하는 비젼시스템(6) 이외에도 다른 여러 가지 방식의 영상처리기술이 적용될 수 있음을 서두에서 미리 밝혀두는 바이다.
상기 측정시스템(1)은 스테핑모터(미도시)로 구동되는 전복의 이송컨베이어(2)와, 상기 이송컨베이어(2)의 컨베이어벨트(2a) 바닥측과 측면부에 각각 배치되는 총 2대의 CCD 카메라(3)와, 상기 각각의 CCD 카메라(3)와 마주보는 위치에 배치되는 적외선 LED 백라이트(Infrared LED backlight)(4)와, 상기 CCD 카메라(3)에 의한 촬영범위의 도입부에 해당하는 위치에서 이송컨베이어(2)의 측면부에 고정 설치되는 근접센서(5)와, 상기 각각의 CCD 카메라(3)로부터 촬영된 영상데이터를 케이블(6a)을 통하여 수집하고 이를 분석 및 저장하기 위한 컴퓨터 기반의 비젼시스템(6)과 데이터로거(Data logger)(7)를 포함하여서 이루어진다.
상기와 같이 전복의 평면영상을 촬영하는 CCD 카메라(3)를 컨베이어벨트(2a)의 바닥측(바람직하게는, 컨베이어벨트의 사이에 해당하는 공간)에 배치시킨 이유는, 컨베이어벨트(2a)의 상부측에 배치된 적외선 LED 백라이트(4)를 이용하여 컨베이어벨트(2a)상에 놓여진 전복의 투영(投影:그림자) 영상을 획득하는 것이 촬영된 영상데이터의 신속한 처리와 정확한 형태 측정면에서 보다 더 유리하였기 때문이다.
동일한 관점에서 전복의 측면영상을 촬영하는 CCD 카메라(3)의 맞은편에도 적외선 LED 백라이트(4)를 배치시킨 것이고, 전복 바닥면의 투영영상을 확보할 수 있도록 상기 컨베이어벨트(2a)는 투명한 합성수지 소재의 벨트가 사용되며, 필요에 따라서는 선출원에서와 같이 각각의 CCD 카메라(3)를 컨베이어벨트(2a)의 상부측과 측면부에 배치시켜 전복의 평면영상과 측면영상을 실물영상으로 촬영하는 방식도 가능하다.
상기 각각의 CCD 카메라(3)는 640×480 픽셀(Pixels)이 적용된 1/3 inch mono 카메라를 사용하되, 평면영상의 촬영을 위한 CCD 카메라(3)는 16mm 렌즈에 223.36mm의 촬영범위를 가지는 제품이 바람직하고, 측면영상의 촬영을 위한 CCD 카메라(3)는 12mm 렌즈에 168.32mm의 촬영범위를 가지는 제품이 바람직하며, 상기 적외선 LED 백라이트(4)는 30W(와트) 내외의 소비전력을 가지는 제품이 바람직하다.
또한, 각각의 CCD 카메라(3)는 관절부위마다 클램핑노브(8b)가 적용된 다관절 프레임(8)의 끝단부에 장착시켜 놓음으로서, 각각의 다관절 프레임(8)을 이용하여 해당 CCD 카메라(3)를 요구하는 위치에 맞추어 용이하게 세팅할 수 있도록 하는 것이 바람직하고, 도면상 각각의 다관절 프레임(8)은 이송컨베이어(2)의 좌,우 외측에 설치된 CCD 카메라(3)용 장착베이스(9)상에 메인클램프(8a)로 고정되어 있으며, 상기 적외선 LED 백라이트(4)는 다관절 프레임(8)상에 연결시켜 사용하는 것이 바람직하다.
그리고, 상기 근접센서(5)는 이송컨베이어(2)를 따라 전복이 촬영범위내로 들어오는 것을 감지하여 영상의 캡쳐링(Capturing)에 필요한 트리거신호(Trigger signal)를 비젼시스템(6)으로 전송하는 것으로서 Autonics Co., Ltd사의 PRDW series 제품을 사용하였으며, 영상의 처리와 측정 및 데이터 수집과 분석을 위하여 Panasonic Co., Ltd사의 비젼시스템(제품명: PV200)을 사용하였고, 상기 데이터로거(7)는 National Instruments사의 리얼타임 임베디드 컨트롤러(Realtime embeded controller)(제품명: cRIO-9024)를 사용하였으며, 비젼시스템(6)에서 처리된 영상분석 데이터는 이더넷통신(Ethernet communication)용 케이블(6a)을 거쳐 데이터로거(7)에 실시간으로 저장되도록 하였다.
상기와 같은 측정시스템(1)을 이용하여 전복의 무게(W: Weight)를 추정토록 한 본 발명의 전복 자동선별 방법은 도 2에 도시된 바와 같이, 전복의 평면영상과 측면영상을 CCD 카메라(3)로 촬영하는 영상촬영단계(S1)와, CCD 카메라(3)에 의하여 촬영된 평면영상으로부터 전복의 전장(TL: Total length)과 체폭(BL: Body length)을 측정하고, CCD 카메라(3)에 의하여 촬영된 측면영상으로부터 전복의 두께(T: Thickness)를 측정하는 영상처리 및 측정단계(S2)와, 전복의 전장(TL)과 체폭(BL)과 두께(T)의 측정치를 이용하여 전복의 체적값(Cv: Calculated volume)을 계산하는 체적산출단계(S3)와, 산출된 체적값(Cv)을 실체적(Av: Actual volume)에 대한 무게값(W)과의 선형회귀분석을 통하여 무게추정식을 도출하는 회귀분석단계(S4)를 거쳐서 이루어진다.
상기 영상촬영단계(S1)는 이송컨베이어(2)로 전복을 이송시키는 과정에서 컨베이어벨트(2a)의 바닥면과 측면부에 설치된 2대의 CCD 카메라(3) 및 각각의 CCD 카메라(3)와 마주보는 위치에 배치된 적외선 LED 백라이트(4)를 이용하여 전복 바닥면과 측면의 투영영상을 촬영하는 단계이고, 상기 영상분석 및 측정단계(S2)는 각각의 CCD 카메라(3)로부터 캡쳐된 전복 바닥면의 투영영상 및 전복 측면의 투영영상을 기초로 하여 비젼시스템(6)으로 전복의 전장(TL)과 체폭(BL) 및 두께(T)를 측정하는 단계로서, 도 2 및 도 3의 플로우챠트에서와 같이 영상의 전처리단계(S2a)와 실질적인 측정단계(S2b)로 나뉘어 수행된다.
상기 전처리단계(S2a)는 전복 바닥면의 투영영상 및 전복 측면의 투영영상을 이미지 프레임으로 캡쳐하는 단계와, 캡쳐된 이미지 영상의 밝기 정보를 640× 480 matrix의 8비트 그레이 스케일(Gray scale) 이미지로 변환시키는 단계와, 그레이 스케일로 변환된 이미지를 9×9 matrix structure 이미지로의 닫기(Closing) 연산을 수행하는 단계와, 닫기 연산이 수행된 이미지로서의 전복 바닥영상과 측면영상의 엣지포인트(Edge points)와 윤곽을 선명히 드러내기 위해 50 레벨을 기준으로 픽셀의 밝기를 0과 255로 변환하는 이진화(Binarization) 단계와, 각각의 출력영상에 기준좌표계를 설정하는 단계를 순차적으로 거치게 된다.
상기와 같은 영상의 전처리단계(S2a)는 앞서 언급된 선출원중에서 2013년 특허출원 제 0046524호로 선출원 및 특허등록(제 10-1278630호)된 어류의 형태학적 영상처리를 통한 백신 자동 접종방법에도 반영되어 있는 것이므로, 영상의 전처리단계(S2a)에 관한 세부적인 내용은 선출원을 참조하기 바라며, 상기 닫기연산의 주된 목적은 전복의 두께(T) 측정시 껍질의 돌출된 부분을 평탄화시키기 위한 것이고, 이러한 영상의 전처리단계(S2a)를 거친 이후에 수행되는 측정단계(S2b)는 전복의 측면영상을 기초로 한 두께(T) 측정과, 전복의 바닥영상을 기초로 한 전장(TL) 및 체폭(BL) 측정으로 나뉘어진다.
먼저, 전복의 두께(T) 측정은, 투영된 전복의 측면영상을 명(White)에서 암(Black)으로 스캔하는 단계와, 스캔 영상의 엣지포인트를 검출하는 단계와, 검출된 엣지포인트 중 최대 높이를 측정하여 이를 전복의 두께(T)로 산출하는 단계를 거쳐서 이루어지며, 여기서 측면 CCD 카메라(3)의 위치와 전복이 놓여지는 위치에 따른 원근감으로 측정오차가 발생할 수 있으므로, 전복 바닥영상의 센터점 좌표를 찾아 측정거리에서 발생하는 두께의 오차만큼을 보정하였다.
한편, 전복의 전장(TL)과 체폭(BL) 측정은, 투영된 전복 바닥영상에서 외곽 폐곡선을 검출하여 폐곡선을 이은 면적의 센터점과 각도를 검출하는 단계와, 검출된 센터점과 각도에 의하여 설정되는 좌표계를 기준좌표계로 변환시키는 단계와, 변환된 좌표계를 기준으로 전복 바닥영상의 엣지포인트를 검출하는 단계를 일차적으로 거치게 된다.
상기와 같이 전복 바닥영상의 엣지포인트를 검출하는 방식은 도 4의 (a)사진에서와 같이 전복 바닥영상의 센터점을 기준으로 하여 해당 영상의 외곽측으로부터 센터점 방향을 향하여 원형패턴과 직선패턴으로 각각 스캔하여 들어가는 방식이 가장 바람직하며, 이러한 방식에 의하여 도 4의 (b)사진에서와 같이 전복 바닥영상의 가장자리를 따라 총 100개의 엣지포인트를 검출하였다.
상기와 같이 검출된 엣지포인트를 이용하여 도 5의 (a)사진에서와 같이 전복의 전장(TL)과 체폭(BL)을 결정하는 단계를 거치게 되며, 본 단계에서는 검출된 100개의 엣지포인트를 이용하여 타원의 최소 제곱법(Least squares fitting of ellipses: 곡선에서 편차의 제곱의 합을 최소로 하여 최적 곡선을 구하는 수학의 처리)을 수행함으로서, 불규칙한 가장자리를 가지는 전복의 바닥 형태를 최적의 타원 형태로 구현하는 단계를 거친 다음, 이 타원의 장축 길이를 전장(TL)으로 측정하고, 타원의 단축 길이를 체폭(BL)으로 측정하였다.
상기와 같은 방식으로 전복의 전장(TL)과 체폭(BL)을 측정하는 이유는, 선출원된 방식에서와 같이 대상물 체폭의 중심점을 연결하는 길이를 전장으로 측정하는 한편 어류의 최대폭을 체폭으로 측정하게 되면, 측정대상물이 불규칙한 각도로 투입될 경우, 전장의 측정을 위한 측정기준점과 회전된 각도를 동시에 검출하는 추가적인 알고리즘이 필요하기 때문이며, 도 5의 (b)사진에서와 같이 전복의 두께(T)는 투영된 영상에서 확인할 수 있는 최대 높이로 하였다.
추가적인 사항으로서, 상기의 방식으로 측정된 전복의 전장(TL)과 체폭(BL) 값을 타원의 면적을 구하는 수식(A: View area = π/4×TL×BL)에 대입시키게 되면, 본 발명의 구현을 위한 실험에서 산출 체적값(Cv)의 비교대상으로 활용이 가능한 전복의 면적(A)을 손쉽게 계산할 수 있는 바, 기존에는 영상의 픽셀을 평방센티미터(Centimeter squared)로 변환시키는 방식으로 대상물의 면적을 측정하였으며, 측면 CCD 카메라(3)의 고장이나 오작동과 같은 상황에 대비하여 전복의 면적(A)으로 무게를 추정할 수 있도록, 전복의 면적(A)을 측정하는 과정 역시 영상처리 및 측정단계(S2)에 포함시키는 것이 바람직하다.
상기와 같은 영상처리 및 측정단계(S2)를 거친 후에는, 해당 단계에서 얻어진 전복의 전장(TL)과 체폭(BL)과 두께(T)의 측정치를 이용하여 전복의 체적값(Cv)을 계산하는 체적산출단계(S3)와, 산출된 체적값(Cv)을 실체적(Av)에 대한 무게(W)값과의 선형회귀분석을 통하여 무게추정식을 도출하는 회귀분석단계(S4)를 거침으로서 본 발명에 따른 전복 자동선별 방법이 완료된다.
상기 체적산출단계(S3)에서는 앞선 영상처리 및 측정단계(S2)에서 얻어진 데이터를 이용하여 보다 더 간단한 방법으로 전복의 체적을 계산할 수 있도록, 전복이 반편원(半扁圓: 납작하고 둥글게 생긴 물체를 수평 방향으로 하여 1/2로 나눈 형태) 타원체라고 가정하고, 반편원 타원체의 체적을 구하는 수식(1)에 전복의 전장(TL)과 체폭(BL)과 두께(T)에 대한 측정치의 데이터값을 대입하여 전복의 체적을 계산하였다.
Cv(Calculated volume) = (π/6)×TL×BL×T[cm3] ----- 수식(1)
한편, 전복의 실체적은 디지털 비중계(Shinko Denshi Co., LTD. DME-220)를 이용하여 각각의 개체마다 20번 반복 측정한 값의 평균으로 결정하였고, 전복의 실체적을 구하기 위한 식은 아르키메데스의 이론을 이용하여, 아래의 수식(2)에서와 같이 공기중에서 측정한 전복의 무게(Wa: Weight in air, 단위: g)와, 증류된 물속에서 측정한 전복의 무게(Ww: Weight in water, 단위: g)와, 증류된 물의 밀도(Dw: Density of water, 단위: g/cm3)를 각각 대입하여 측정하였으며, 물의 밀도는 순수한 물이 상온(25℃)에서 0.997이므로 본 단계에서는 물의 밀도를 1로 계산하였다.
Av(Actual volume)[cm3] = (Wa-Ww)/Dw --------------- 수식(2)
상기와 같이 수식(1)과 수식(2)로 산출된 전복의 체적값(Cv)과 전복의 실체적(Av)을 비교 분석하고 전복의 체적추정식을 도출하기 위해서 수식(1)로 산출된 체적값(Cv)과 수식(2)로 산출된 실체적(Av)간에 수식(3)과 같이 선형회귀분석을 행하였으며, 여기서 a와 b는 회귀계수이다.
Av = a×Cv + b [cm3] --------------- 수식(3)
도 6은 전복의 체적추정식을 도출하기 위해 전복의 외관 형상을 반편원 타원체로 가정하여 계산된 체적값(Cv)과 전복의 실체적(Av)을 선형회귀방식으로 분석한 결과를 나타낸 그래프로서, 회귀분석결과 회귀식은 수식(4)와 같이 도출되었고, R2 값(결정계수: 상관계수를 제곱하여 나오는 값으로 하나의 변수로 다른 변수를 설명할 수 있는 설명력의 지표값)은 0.990이었으며, 이로부터 전복의 외관 형상을 반편원 타원체로 가정하여 계산된 체적값(Cv)이 전복의 실체적(Av)과 매우 근접하므로, 해당 체적값(Cv)을 이용하여 전복의 무게(W) 추정이 가능하다는 결론에 도달할 수 있었다.
Av = 1.008×Cv + 0.548 --------------- 수식(4)
아울러, 전복의 무게(W)는 전자식 저울을 이용하여 각각의 개체마다 20번 반복 측정한 값의 평균으로 결정하였고, 전자식 저울을 이용한 전복의 무게측정은 표준샘플의 표면에 부착된 물기를 종이타월로 완전히 제거한 상태에서 수행되었으며, 이러한 조건하에서 전복의 외관 형상을 반편원 타원체로 가정하여 계산된 체적값(Cv)과 실체적(Av) 각각에 대한 무게(W)간의 선형회귀분석을 통하여 무게추정식을 도출하는 회귀분석단계(S4)를 수행하였다.
이와 더불어, 전복의 체적값(Cv) 이외에 전복의 무게추정이 가능한 다른 유용한 인자를 알아보기 위하여, 전복의 전장(TL)과 체폭(BL)과 두께(T) 및 면적(A) 각각에 대한 검증력 곡선 회귀분석(Power curve regression analysis)을 통하여 해당 인자와 전복 무게(W)간의 상관관계를 밝히는 실험 역시 병행하여 수행하였다.
상기와 같은 회귀분석단계(S4)를 수행하기 이전에, 껍질이 닫혀 있는 형태의 전복을 표준샘플로 선택한 다음, 측정결과의 정확성과 재현성을 분석하기 위하여 표준샘플로 선택된 전복의 전장(TL)과 체폭(BL)과 두께(T) 및 면적(A)을 300회에 걸쳐 측정하였으며, 표 1의 결과에서와 같이 전장(TL)과 체폭(BL) 및 두께(T) 측정치의 표준편차(SD: Standard deviation)는 0.002cm의 범위내가 됨을 알 수 있었고, 이는 반복적인 측정작업의 우수한 정확성을 의미하는 것이며, 전복 면적(A)의 경우는 0.010cm2으로 비교적 큰 편차를 나타내었고, 각각의 측정인자들에 대한 변동계수(CV: Coefficient of variation)를 분석한 결과, 전장(TL)과 체폭(BL) 및 면적(A)은 0.020%의 범위내로 우수한 재현성을 보인 반면, 두께(T)의 경우는 0.093%로 비교적 큰 편차를 나타내었다.
평균(Mean) 최소(Min) 최대(Max) 표준편차(SD) 변동계수(CV)
전장(TL) 9.943cm 9.937cm 9.948cm 0.002cm 0.020%
체폭(BL) 6.544cm 6.541cm 6.546cm 0.001cm 0.015%
두께(T) 2.156cm 2.140cm 2.159cm 0.002cm 0.093%
면적(A) 50.622cm2 50.585cm2 50.651cm2 0.010cm2 0.020%
상기 회귀분석단계(S4)의 실질적인 과정으로서, 전복의 무게추정식을 도출하기 위하여 도 7에서부터 도 10에 이르기까지 전복의 전장(TL)과 체폭(BL)과 두께(T) 및 면적(A) 각각에 대한 무게(W)간의 검증력 곡선 회귀분석을 수행하는 한편, 도 11과 도 12에서와 같이 전복의 외관 형상을 반편원 타원체로 가정하고 계산된 체적값(Cv)과 전복의 실체적(Av) 각각에 대한 무게(W)간의 선형회귀분석을 수행하였다.
상기와 같이 전복의 전장(TL)과 체폭(BL)과 두께(T)와 면적(A) 및 수식(4)에 의하여 산출된 전복의 체적값(Cv)과 실체적(Av) 각각에 대한 전복 무게(W)의 선형회귀분석을 행한 다음, 각각의 측정인자에 대한 전복 무게(W)의 상관관계를 방정식 형태로 요약하여 표 2에 나타내었으며, 표 2의 방정식에서 y는 무게를 나타내고, x는 각각의 측정인자를 나타내며, a와 b는 회귀계수이다.
방정식 TL BL T A 방정식 Cv Av
y = a·xb a 0.071 0.319 8.029 0.202 y = a·x + b a 1.213 1.202
b 3.285 3.141 2.440 1.635 b 0.568 1.254
R2 0.969 0.973 0.923 0.979 R2 0.989 0.999
상기와 같은 회귀분석결과로부터 알 수 있는 바와 같이, 디지털 비중계로 측정한 전복의 실체적(Av)과 무게(W)의 R2이 0.999로 가장 높은 상관관계를 나타내었고, 그 다음으로는 전복을 반편원 타원체로 가정하여 계산한 체적값(Cv)과 무게(W)의 R2이 0.989로 상관관계가 높았으며, 그 이외에 전복의 전장(TL)과 체폭(BL) 및 면적(A)에 대한 무게(W)의 R2은 각각 0.96 이상이었지만, 전복의 두께(T)에 대한 무게(W)의 R2은 0.923으로 상대적으로 상관관계가 낮게 되었다.
상기와 같이 전복의 두께(T)에 대한 무게(W)의 R2 값이 전복의 전장(TL) 및 체폭(BL) 각각의 무게(W)에 대한 R2 값보다 상대적으로 낮게 나타난 이유는, 전복의 표면에 부착되는 각종 부착생물의 영향으로 두께 측정의 변동폭이 유동적인 것과, 전복의 두께(T)를 측정하는 CCD 카메라(3) 위치의 변동계수가 전복의 전장(TL)과 체폭(BL)을 측정하는 CCD 카메라(3)보다 상대적으로 크기 때문인 것으로 판단된다.
이러한 분석결과를 토대로, 전복의 산출 체적값(Cv)으로부터 실체적(Av)을 추정하는 수식(4)와 표 2에 나타낸 전복 실체적(Av)과 무게(W) 사이의 회귀계수 a,b를 이용하여 아래의 수식(5)와 같이 전복의 무게(W)를 추정할 수 있는 무게추정식을 도출하였으며, 해당 수식(5)는 회귀모형의 일반화에 사용되는 교차검증(Cross validation) 방식 중 LOOCV(Leave-one-out cross-validation)에 의하여 평가되었으며, 그 결과 도 13의 그래프에서와 같이 무게예상치의 오류분포도는 약 ±8g임을 알 수 있었다.
W = (π/5)×TL×BL×T + 1.91 --------------- 수식(5)
상기의 수식(5)를 컴퓨터 기반의 비젼시스템(6)에 무게추정식으로 입력하여 놓게 되면, 이송컨베이어(2)로 전복을 이송시키는 과정에서 CCD 카메라(3)를 이용하여 전복의 평면영상(바닥영상)과 측면영상을 촬영하고, 이와 같이 촬영된 영상을 캡쳐링하여 전복의 전장(TL)과 체폭(BL) 및 두께(T)를 비젼시스템(6)으로 측정한 다음, 해당 측정값을 수식(5)에 대입하여 전복의 무게(W)를 추정(산출)할 수 있게 된다.
상기와 같이 컴퓨터를 기반으로 하는 비젼시스템(6)을 이용하여 이송컨베이어(2)를 따라 이송되어져 오는 전복의 무게(W)를 추정한 다음, 추정된 무게(W)에 해당하는 분류통으로 전복을 투입시키게 되면, 전복의 무게(W)를 기초로 한 전복의 자동분류 및 선별작업을 수행할 수 있으며, 이는 기존의 기계식 선별기보다 한층 더 신속하고 정확한 분류 및 선별작업이 가능한 방식이 됨은 물론이고, 대상물인 전복의 손상을 방지하여 그 상품성 또한 최대한으로 유지시킬 수 있는 방식이 된다.
상기와 같이 무게추정이 완료된 전복을 분류통으로 분배시키는 방식의 대표적인 예를 들자면, 도 14의 (가) 및 (나)에서와 같이, 이송컨베이어(2)의 선단 출구측에 전복을 무게별로 나누어 수납할 수 있는 다수 개(도면상 4개)의 분류통(10)을 배치하되, 각각의 분류통(10)이 이송컨베이어(2)의 선단 출구 하측에서 이송레일(11)을 따라 수평 방향으로 이동되도록 하거나, 원형의 이송레일(11)을 따라 양방향으로 회전되도록 하는 것이다.
상기와 같은 방식을 적용하게 되면, 이송컨베이어(2)로 전복을 이송시키는 과정에서 비젼시스템(6)으로 전복의 무게(W)를 추정한 다음, 해당 무게(W)에 해당하는 전복의 분류통(10)이 이송컨베이어(2)의 선단 출구측에 놓이도록 함으로서, 전복의 지속적인 이송과 무게추정 및 각 분류통(10)으로의 전복 선별작업이 자동적으로 수행되는 것이며, 도 14에 도시된 방식 이외에도 다른 여러 가지의 방식을 이용하여 전복의 분류 및 선별작업을 수행토록 할 수 있다.
상기와 같은 본 발명에 따르면, 전복의 손상을 야기시키지 아니하는 신속하고 정확한 분류 및 선별작업을 통하여 신선한 전복을 저렴한 가격으로 소비자에게 공급할 수 있으며, 이로 인하여 어민들의 소득증대와 소비자의 제품만족도를 동시에 충족시킬 수 있을 뿐만 아니라, 수산연구분야에 있어서는 전복의 성장도를 분석하는 용도에 이르기까지 사용이 가능할 것으로 판단되며, 전복을 포함한 각종 패류나 어류의 분류 및 선별작업에도 유용하게 적용할 수 있을 것으로 판단된다.
마지막으로, 본 발명에 따른 전복 자동선별 방법은 2대의 CCD 카메라(3)를 이용하여 측정된 전복의 전장(TL)과 체폭(BL) 및 두께(T)로부터 전복의 체적값(Cv)을 계산한 다음, 해당 체적값(Cv)을 기초로 전복의 무게(W)를 추정하는 방식이 가장 효과적이라고 판단하였고, 전복의 체적값(Cv)과 무게(W)는 선형적인 관계이므로, 전복의 무게(W)별로 등급을 세분화시키는 작업 역시 가능할 것으로 판단된다.
이와는 반대로, 전복의 전장(TL)과 체폭(BL)과 두께(T)와 면적(A)의 개별적인 측정을 통하여 전복의 무게(W)를 추정하는 방식은, 전복의 전장(TL)과 체폭(BL)과 두께(T) 및 면적(A) 각각에 대한 무게(W)와의 상관관계가 검증력함수(Power function) 관계이기 때문에, 무게별로 등급을 세분화하기 위해서는 더욱 정밀한 측정기술이 요구될 것으로 판단된다.
만일, 전복의 무게(W)별로 등급의 세분화가 필요하지 않고 저비용으로 자동 선별시스템을 구축코자 한다면, 하나의 CCD 카메라(3)를 이용하여 전복의 면적(A)을 측정한 다음, 이를 기초로 전복의 무게(W)를 추정하여 자동 선별하는 방법도 효과적일 것으로 판단되며, 전복의 두께(T)를 측정하기 위하여 CCD 카메라 대신에 직진성이 우수한 투수광형 레이저 변위센서를 이용한다면, 보다 정확한 두께(T) 측정이 가능할 뿐만 아니라, 전복이 놓여지는 위치에 따라 두께(T)를 보정할 필요가 없기 때문에 더욱 유용할 것이라고 판단된다.
1 : 측정시스템 2 : 이송컨베이어 2a : 컨베이어벨트
3 : CCD 카메라 4 : 적외선 LED 백라이트 5 : 근접센서
6 : 비젼시스템 6a : 케이블 7 : 데이터로거
8 : 다관절 프레임 8a : 메인클램프 8b : 클램핑노브
9 : 장착베이스 10 : 분류통 11 : 이송레일

Claims (6)

  1. CCD 카메라(3)를 이용하여 대상물의 형태를 측정하고, 이를 영상처리장치로 분석하여 대상물의 분류 및 선별작업에 필요한 무게를 추정토록 한 방법에 있어서,
    이송컨베이어(2)로 전복을 이송시키는 과정에서 전복의 평면영상과 측면영상을 CCD 카메라(3)로 촬영하는 영상촬영단계(S1)와,
    상기 영상촬영단계(S1)를 거친 후, 영상처리장치를 이용하여 CCD 카메라(3)로 촬영된 평면영상으로부터 전복의 전장(TL: Total length)과 체폭(BL: Body length)을 측정하고, CCD 카메라(3)로 촬영된 측면영상으로부터 전복의 두께(T: Thickness)를 측정하는 영상처리 및 측정단계(S2)와,
    상기 영상처리 및 측정단계(S2)를 거친 후, 전복의 전장(TL)과 체폭(BL)과 두께(T)의 측정치를 이용하여 전복의 체적값(Cv: Calculated volume)을 계산하는 체적산출단계(S3)와,
    상기 체적산출단계(S3)를 거친 후, 산출된 체적값(Cv)을 실체적(Av: Actual volume)에 대한 무게값(W)과의 선형회귀분석을 통하여 무게추정식을 도출하는 회귀분석단계(S4)를 거쳐서 이루어지며,
    상기 체적산출단계(S3)에서는 전복의 외관 형상을 반편원 타원체로 하여 Cv = (π/6)×TL×BL×T의 수식으로 전복의 체적값(Cv)을 산출토록 하는 한편, 상기 회귀분석단계(S4)에서는 전복의 외관 형상을 반편원 타원체로 하여 계산된 체적값(Cv)과 실체적(Av) 각각에 대한 무게(W)간의 선형회귀분석을 통하여 W = (π/5)×TL×BL×T + 1.91의 수식을 무게추정식으로 도출함을 특징으로 하는 영상처리기술을 이용한 전복 자동선별 방법.
  2. 제 1항에 있어서, 상기 영상촬영단계(S1)는 이송컨베이어(2)로 전복을 이송시키는 과정에서 컨베이어벨트(2a)의 바닥면과 측면부에 설치된 2대의 CCD 카메라(3) 및 각각의 CCD 카메라(3)와 마주보는 위치에 배치된 적외선 LED 백라이트(4)를 이용하여 전복 바닥면과 측면의 투영영상을 촬영하는 단계가 되며,
    상기 이송컨베이어(2)의 컨베이어벨트(2a)는 투명한 합성수지 소재의 벨트가 사용되는 것을 특징으로 하는 영상처리기술을 이용한 전복 자동선별 방법.
  3. 제 2항에 있어서, 상기 영상처리 및 측정단계(S2)는 영상의 전처리단계(S2a)와 측정단계(S2b)로 나뉘어 수행되고, 상기 측정단계(S2b)는 전복의 바닥영상을 기초로 한 전장(TL) 및 체폭(BL)의 측정과, 전복의 측면영상을 기초로 한 두께(T)의 측정으로 나뉘어 수행되며,
    상기 전처리단계(S2a)는, 전복 바닥면과 측면의 투영영상을 이미지 프레임으로 캡쳐하는 단계와, 캡쳐된 이미지를 8비트 그레이 스케일 이미지로 변환시키는 단계와, 그레이 스케일로 변환된 이미지의 닫기연산을 수행하는 단계와, 닫기연산이 수행된 이미지의 이진화 단계와, 이진화를 거친 바닥영상과 측면영상에 기준좌표계를 설정하는 단계를 순차적으로 거쳐서 이루어지며,
    상기 측정단계(S2b) 중 전복의 바닥영상을 기초로 한 전장(TL)과 체폭(BL)의 측정과정은, 바닥영상의 외곽 폐곡선을 검출하여 폐곡선을 이은 면적의 센터점과 각도를 검출하는 단계와, 검출된 센터점과 각도에 의하여 설정되는 좌표계를 기준좌표계로 변환시키는 단계와, 변환된 좌표계를 기준으로 전복 바닥영상의 엣지포인트를 검출하는 단계와, 검출된 엣지포인트를 이용하여 타원의 최소 제곱법으로 전복의 바닥 형태를 타원 형태로 구현하는 단계와, 해당 타원의 장축 길이를 전장(TL)으로 측정하고, 타원의 단축 길이를 체폭(BL)으로 측정하는 단계를 순차적으로 거쳐서 이루어지며,
    상기 측정단계(S2b) 중 전복의 측면영상을 기초로 한 두께(T)의 측정과정은, 측면영상을 명(White)에서 암(Black)으로 스캔하는 단계와, 스캔 영상의 엣지포인트를 검출하는 단계와, 검출된 엣지포인트 중 최대 높이를 측정하여 이를 전복의 두께(T)로 산출하는 단계를 순차적으로 거쳐서 이루어지는 것을 특징으로 하는 영상처리기술을 이용한 전복 자동선별 방법.
  4. 제 3항에 있어서, 상기 측정단계(S2b)에는 전복의 전장(TL)과 체폭(BL)을 타원의 면적을 구하는 수식 A = π/4×TL×BL에 대입하여 전복의 면적(A)을 측정하는 단계가 포함되는 것을 특징으로 하는 영상처리기술을 이용한 전복 자동선별 방법.
  5. 삭제
  6. 삭제
KR1020140149390A 2014-10-30 2014-10-30 영상처리기술을 이용한 전복 자동선별 방법 KR101540707B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140149390A KR101540707B1 (ko) 2014-10-30 2014-10-30 영상처리기술을 이용한 전복 자동선별 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140149390A KR101540707B1 (ko) 2014-10-30 2014-10-30 영상처리기술을 이용한 전복 자동선별 방법

Publications (1)

Publication Number Publication Date
KR101540707B1 true KR101540707B1 (ko) 2015-08-03

Family

ID=53873101

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140149390A KR101540707B1 (ko) 2014-10-30 2014-10-30 영상처리기술을 이용한 전복 자동선별 방법

Country Status (1)

Country Link
KR (1) KR101540707B1 (ko)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101703542B1 (ko) 2016-11-30 2017-02-23 대한민국 멍게의 특징 측정과 hsv 색상 모델을 이용한 멍게 자동 선별방법
KR20170127819A (ko) * 2016-05-13 2017-11-22 김대길 혼입된 이종제품 선별방법
CN107451868A (zh) * 2017-08-04 2017-12-08 阿里巴巴集团控股有限公司 一种物品估价的方法及装置
CN109420623A (zh) * 2017-08-31 2019-03-05 无锡日联科技股份有限公司 一种应用于贝壳的全自动x射线检测、分拣系统
KR20190068663A (ko) * 2017-12-08 2019-06-19 한국로봇융합연구원 영상처리분석을 이용한 대상물 자동 선별, 분류 시스템 및 자동선별 분류방법
CN110991220A (zh) * 2019-10-15 2020-04-10 北京海益同展信息科技有限公司 禽蛋检测、图像处理方法，装置、电子设备及存储介质
KR102407936B1 (ko) * 2021-09-10 2022-06-10 김영옥 세척 및 선별 정확도가 향상된 조개류 세척 및 선별 장치
KR102541180B1 (ko) * 2022-12-07 2023-06-14 성일하이메탈(주) 서로 다른 형태의 하우징을 가지는 led 혼합 폐조명으로부터 비전 인식을 통해 하우징 형태 별로 led 조명을 선별 분류하기 위한 분류 장치 및 분류 시스템
KR102622731B1 (ko) * 2023-05-17 2024-01-09 주식회사 굿모닝씨푸드 횟감 상품 등급 구분 시스템
KR102622704B1 (ko) * 2023-05-17 2024-01-09 주식회사 굿모닝씨푸드 활어회 등급 판독 시스템

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101278630B1 (ko) 2013-04-26 2013-06-25 대한민국 어류의 형태학적 영상처리를 통한 백신 자동 접종방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101278630B1 (ko) 2013-04-26 2013-06-25 대한민국 어류의 형태학적 영상처리를 통한 백신 자동 접종방법

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170127819A (ko) * 2016-05-13 2017-11-22 김대길 혼입된 이종제품 선별방법
KR101703542B1 (ko) 2016-11-30 2017-02-23 대한민국 멍게의 특징 측정과 hsv 색상 모델을 이용한 멍게 자동 선별방법
CN107451868A (zh) * 2017-08-04 2017-12-08 阿里巴巴集团控股有限公司 一种物品估价的方法及装置
US11361334B2 (en) 2017-08-04 2022-06-14 Advanced New Technologies Co., Ltd. Article estimation method and apparatus
CN109420623A (zh) * 2017-08-31 2019-03-05 无锡日联科技股份有限公司 一种应用于贝壳的全自动x射线检测、分拣系统
KR102109698B1 (ko) 2017-12-08 2020-05-12 한국로봇융합연구원 영상처리분석을 이용한 대상물 자동 선별, 분류 시스템 및 자동선별 분류방법
KR20190068663A (ko) * 2017-12-08 2019-06-19 한국로봇융합연구원 영상처리분석을 이용한 대상물 자동 선별, 분류 시스템 및 자동선별 분류방법
CN110991220A (zh) * 2019-10-15 2020-04-10 北京海益同展信息科技有限公司 禽蛋检测、图像处理方法，装置、电子设备及存储介质
CN110991220B (zh) * 2019-10-15 2023-11-07 京东科技信息技术有限公司 禽蛋检测、图像处理方法，装置、电子设备及存储介质
KR102407936B1 (ko) * 2021-09-10 2022-06-10 김영옥 세척 및 선별 정확도가 향상된 조개류 세척 및 선별 장치
KR102541180B1 (ko) * 2022-12-07 2023-06-14 성일하이메탈(주) 서로 다른 형태의 하우징을 가지는 led 혼합 폐조명으로부터 비전 인식을 통해 하우징 형태 별로 led 조명을 선별 분류하기 위한 분류 장치 및 분류 시스템
KR102622731B1 (ko) * 2023-05-17 2024-01-09 주식회사 굿모닝씨푸드 횟감 상품 등급 구분 시스템
KR102622704B1 (ko) * 2023-05-17 2024-01-09 주식회사 굿모닝씨푸드 활어회 등급 판독 시스템

Similar Documents

Publication Publication Date Title
KR101540707B1 (ko) 영상처리기술을 이용한 전복 자동선별 방법
CN109632033B (zh) 一种体积测量的设备与方法
EP2370952B1 (en) Arrangement and method for determining a body condition score of an animal
Miranda et al. A prototype to measure rainbow trout's length using image processing
Zion et al. Real-time underwater sorting of edible fish species
EP3595453B1 (en) 3d imaging system and method of imaging carcasses
WO2017001971A1 (en) Method and system for measuring biomass volume and weight of a fish farming tank
CN106981081A (zh) 一种基于深度信息提取的墙面平整度检测方法
KR101278630B1 (ko) 어류의 형태학적 영상처리를 통한 백신 자동 접종방법
NO337305B1 (no) System og fremgangsmåte for beregning av fysiske størrelser for fritt bevegelige objekter i vann
Li et al. Estimation of pig weight by machine vision: A review
US6922652B2 (en) Automated quality assurance method and apparatus and method of conducting business
CN104198325A (zh) 基于计算机视觉的烟丝中梗丝比例测定方法
Hansen et al. Non-intrusive automated measurement of dairy cow body condition using 3D video
CN117808806A (zh) 基于图像特征分析的饲料生产质量精细化检测方法
CN110136192A (zh) 一种基于深度学习和特征部位检测的牛体尺算法
CN110841935A (zh) 一种基于机器视觉的活体鳗鱼重量分级分选方法及装置
Minagawa et al. Determining the weight of pigs with image analysis
Al-Jubouri et al. Towards automated length-estimation of free-swimming fish using machine vision
CN108693514A (zh) 对距离图像的异常进行检测的拍摄装置
CN211726606U (zh) 一种基于机器视觉的活体鳗鱼重量分级分选装置
Sun et al. A practical system of fish size measurement
Sun et al. Thickness measurement and crease detection of wheat grains using stereo vision
Hwang et al. Machine vision based weight prediction for flatfish
CN111882621A (zh) 一种基于双目图像的大米厚度参数自动化测量方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant