KR20200126849A - 딸기 품질 판별장치 및 이를 이용한 딸기 품질 판별방법 - Google Patents
딸기 품질 판별장치 및 이를 이용한 딸기 품질 판별방법 Download PDFInfo
- Publication number
- KR20200126849A KR20200126849A KR1020190051030A KR20190051030A KR20200126849A KR 20200126849 A KR20200126849 A KR 20200126849A KR 1020190051030 A KR1020190051030 A KR 1020190051030A KR 20190051030 A KR20190051030 A KR 20190051030A KR 20200126849 A KR20200126849 A KR 20200126849A
- Authority
- KR
- South Korea
- Prior art keywords
- strawberry
- image
- unit
- pixels
- quality determination
- Prior art date
Links
- 235000016623 Fragaria vesca Nutrition 0.000 title claims abstract description 231
- 235000011363 Fragaria x ananassa Nutrition 0.000 title claims abstract description 231
- 238000000034 method Methods 0.000 title claims description 47
- 244000307700 Fragaria vesca Species 0.000 title 1
- 241000220223 Fragaria Species 0.000 claims abstract description 261
- 238000012546 transfer Methods 0.000 claims description 36
- 235000021012 strawberries Nutrition 0.000 claims description 31
- 238000004806 packaging method and process Methods 0.000 claims description 7
- 238000007599 discharging Methods 0.000 claims description 5
- 238000004040 coloring Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 6
- 230000000873 masking effect Effects 0.000 description 6
- 238000010191 image analysis Methods 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 2
- 241001164374 Calyx Species 0.000 description 2
- 240000004160 Capsicum annuum Species 0.000 description 2
- 235000008534 Capsicum annuum var annuum Nutrition 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000001511 capsicum annuum Substances 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 241000193738 Bacillus anthracis Species 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- ZZZCUOFIHGPKAK-UHFFFAOYSA-N D-erythro-ascorbic acid Natural products OCC1OC(=O)C(O)=C1O ZZZCUOFIHGPKAK-UHFFFAOYSA-N 0.000 description 1
- 241000221785 Erysiphales Species 0.000 description 1
- 244000153517 Fragaria chiloensis Species 0.000 description 1
- 229930003268 Vitamin C Natural products 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 229910052743 krypton Inorganic materials 0.000 description 1
- DNNSSWSSYDEUBZ-UHFFFAOYSA-N krypton atom Chemical compound [Kr] DNNSSWSSYDEUBZ-UHFFFAOYSA-N 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 235000019154 vitamin C Nutrition 0.000 description 1
- 239000011718 vitamin C Substances 0.000 description 1
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
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
- G01J3/50—Measurement of colour; Colour measuring devices, e.g. colorimeters using electric radiation detectors
-
- G06K9/4652—
-
- G06K9/6202—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
- B07C2501/009—Sorting of fruit
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
본 발명의 일 실시 예에 따른 딸기 품질 판별장치는 딸기영상이 획득되는 영상촬영부, 딸기영상에 기초하여 딸기의 형상 비가 도출하고, 형상 비에 따라 딸기의 기형 여부가 결정되는 형상판별부 및 딸기영상의 픽셀 수에 기초하여 딸기의 착색도가 결정되는 색상판별부가 포함될 수 있다.
Description
본 발명은 딸기 품질 판별장치 및 이를 이용한 딸기 품질 판별방법에 관한 것으로, 더욱 상세하게는 획득한 딸기영상의 색상 별 픽셀 수에 기초하여 착색도를 판별하고, 딸기영상으로부터 딸기의 형상 비를 도출함으로써 딸기의 기형 여부를 판별할 수 있는 딸기 품질 판별장치 및 이를 이용한 딸기 품질 판별방법에 관한 것이다.
딸기는 신맛과 단맛이 적당히 조화되어 있으며 비타민 C가 풍부하여 농가 소득 작목으로 각광받고 있다. 우리나라에서의 딸기는 ‘14년을 기준으로 230천톤이 생산되어 세계 생산량의 3~4위에 해당되며 이중 수출액은 해마다 꾸준하게 증가하고 있는 추세이다. 신선 딸기는 파프리카 작물에 이어 국내에서 두 번째로 많이 수출되는 채소로써 홍콩, 싱가포르, 말레이시아가 주력시장으로 84%를 차지하고 있으며, 농림축산식품부는 딸기를 파프리카 수준의 물량으로 수출하기 위한 다양한 정책을 추진하고 있다.
딸기 수출 실적은 ‘13년은 28.6백만불, ‘14년은 31.6백만불, ‘15년은 33백만불, ‘16년의 목표는 45백만불로 증가되고 있다. ‘15년 국가별 수출 실적으로 홍콩이 1,323천불, 싱가포르 1,083, 말레이시아 416천불이다. ICT(Information and Communications Technologies) 기반 기술을 적용하여 고부가가치 작물인 딸기의 생산성 향상을 위한 딸기 재배에 최적화된 스마트온실 환경제어 시스템 기술 개발이 요구되고 있다. 딸기는 물성이 연하고 상온 유통에서는 선도유지기간이 길지 않아 상대적으로 적은 수출이 이루어지고 있으며 이중 대부분은 항공 운송이지만 항공수송은 저온상태가 유지되지 않아 품질이 저하되는 문제가 있다.
국내 채소류의 품종, 재배기술 등의 발달로 품질 수준이 높아 수출요구가 증가 되고 있으나 이를 지원하기 위한 선도유지 기술 및 인프라가 부족한 실정으로 저장단계 뿐 만 아니라 유통단계 기술 개발 추진이 필요하다. 과피가 없는 딸기는 물성이 연하고 손으로 접촉 시에 접촉 부위의 조직이 변성되어 상품성이 저하되므로 선도 및 품질 유지를 위해서는 자동화된 선별 시스템이 요구되고 있다.
본 발명은 전술한 문제점에 대한 일 대응방안으로써, 딸기영상의 색상 별 픽셀 수에 기초하여 도출된 딸기의 착색도 및 딸기영상으로부터 딸기의 형상 비를 도출함에 따른 딸기의 기형 여부를 정확하게 판별하고자 함에 그 목적이 있다.
본 발명의 일 실시 예로써, 딸기 품질 판별장치가 제공될 수 있다.
본 발명의 일 실시 예에 따른 딸기 품질 판별장치는 딸기영상이 획득되는 영상촬영부, 딸기영상에 기초하여 딸기의 형상 비가 도출하고, 형상 비에 따라 딸기의 기형 여부가 결정되는 형상판별부 및 딸기영상의 픽셀 수에 기초하여 딸기의 착색도가 결정되는 색상판별부가 포함될 수 있다.
본 발명의 일 실시 예에 따른 딸기 품질 판별장치에는 영상촬영부로 딸기를 공급하기 위한 투입부, 형상판별부에서의 기형 여부 및 색상판별부에서의 착색도가 결정된 딸기를 분류하여 포장부로 배출하기 위한 배출부 및 투입부를 통해 공급된 딸기를 배출부까지 이동시키기 위한 이동모듈이 구비된 이송부가 더 포함되고, 딸기는 이송트레이에 담겨져 투입부로부터 공급되어 이송부를 통해 이동될 수 있다.
본 발명의 일 실시 예에 따른 딸기 품질 판별장치의 영상촬영부에는 촬영모듈, 조명모듈 및 이동모듈의 일 부분을 감싸는 형태로 형성된 하우징이 더 포함되고, 하우징의 소정의 위치에 촬영모듈 및 조명모듈이 구비될 수 있다.
본 발명의 일 실시 예에 따른 딸기 품질 판별장치에는 딸기영상의 픽셀 수에 대하여 미리 생성된 중량예측모델을 적용하여 딸기의 중량이 예측되는 중량예측부가 더 포함될 수 있다.
본 발명의 일 실시 예에 따른 딸기 품질 판별장치의 형상판별부에서는 딸기영상이 복수개의 영역들로 분할되고, 분할된 영역 별 픽셀 수에 기초하여 계산된 영역 별 과육면적 값에 따라 형상 비가 도출될 수 있다.
본 발명의 일 실시 예에 따른 딸기 품질 판별장치의 색상판별부에서는 딸기영상에 대한 관심영역(ROI)이 설정되고, 관심영역이 설정된 딸기영상이 R영상, G영상 및 B영상으로 분리되며, 분리된 R영상, G영상 및 B영상에 따라 생성된 이진화영상에 기초하여 획득된 오브젝트픽셀수 및 과육픽셀수에 따라 착색도가 결정될 수 있다.
본 발명의 일 실시 예로써, 딸기 품질 판별장치를 이용한 딸기 품질 판별방법이 제공될 수 있다.
본 발명의 일 실시 예에 따른 딸기 품질 판별장치를 이용한 딸기 품질 판별방법은 딸기영상이 획득되는 단계, 딸기영상에 기초하여 딸기의 형상 비가 도출되고, 형상 비에 따라 딸기의 기형 여부가 결정되는 단계 및 딸기영상의 픽셀 수에 기초하여 딸기의 착색도가 결정되는 단계가 포함될 수 있다.
본 발명의 일 실시 예에 따른 딸기 품질 판별장치를 이용한 딸기 품질 판별방법에는 딸기영상의 픽셀 수에 대하여 미리 생성된 중량예측모델을 적용하여 딸기의 중량이 예측되는 단계가 더 포함될 수 있다.
본 발명의 일 실시 예에 따른 딸기 품질 판별장치를 이용한 딸기 품질 판별방법에 있어서, 딸기의 기형 여부가 결정되는 단계에서는 딸기영상이 복수개의 영역들로 분할되고, 분할된 영역 별 픽셀 수에 기초하여 계산된 영역 별 과육면적 값에 따라 형상 비가 도출될 수 있다.
본 발명의 일 실시 예에 따른 딸기 품질 판별장치를 이용한 딸기 품질 판별방법에 있어서, 딸기의 착색도가 결정되는 단계에서는 딸기영상에 대한 관심영역(ROI)이 설정되고, 관심영역이 설정된 딸기영상이 R영상, G영상 및 B영상으로 분리되며, 분리된 R영상, G영상 및 B영상에 따라 생성된 이진화영상에 기초하여 획득된 오브젝트픽셀수 및 과육픽셀수에 따라 착색도가 결정될 수 있다.
본 발명의 일 실시 예로써, 전술한 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체가 제공될 수 있다.
본 발명의 일 실시 예에 따르면, 딸기영상의 색상 별 픽셀 수에 기초하여 도출된 딸기의 착색도 및 딸기영상으로부터 딸기의 형상 비를 도출함에 따른 딸기의 기형 여부를 정확하게 판별할 수 있는 효과가 있다.
도 1 및 도 2는 본 발명의 일 실시 예에 따른 딸기 품질 판별장치를 나타낸 예시도이다.
도 3은 본 발명의 일 실시 예에 따른 딸기 품질 판별장치의 영상분석부를 나타낸 블록도이다.
도 4 내지 도 6은 본 발명의 일 실시 예에 따른 딸기 품질 판별장치의 이송모듈을 나타낸 예시도이다.
도 7 및 도 8은 본 발명의 일 실시 예에 따른 딸기 품질 판별장치의 이송트레이를 나타낸 예시도이다.
도 9 및 도 10은 본 발명의 일 실시 예에 따른 딸기 품질 판별장치에 있어서, 형상판별부에서 형상 비가 도출되는 과정을 나타내기 위한 예시도이다.
도 11은 본 발명의 일 실시 예에 따른 딸기 품질 판별 장치에 있어서, 중량예측부의 중량예측모델을 나타낸 예시도이다.
도 12는 딸기의 품종 별 기준 형상을 나타낸 예시도이다.
도 13는 딸기의 착색도 별 이미지를 나타낸 예시도이다.
도 14은 본 발명의 일 실시 예에 따른 딸기 품질 판별방법을 나타낸 순서도이다.
도 3은 본 발명의 일 실시 예에 따른 딸기 품질 판별장치의 영상분석부를 나타낸 블록도이다.
도 4 내지 도 6은 본 발명의 일 실시 예에 따른 딸기 품질 판별장치의 이송모듈을 나타낸 예시도이다.
도 7 및 도 8은 본 발명의 일 실시 예에 따른 딸기 품질 판별장치의 이송트레이를 나타낸 예시도이다.
도 9 및 도 10은 본 발명의 일 실시 예에 따른 딸기 품질 판별장치에 있어서, 형상판별부에서 형상 비가 도출되는 과정을 나타내기 위한 예시도이다.
도 11은 본 발명의 일 실시 예에 따른 딸기 품질 판별 장치에 있어서, 중량예측부의 중량예측모델을 나타낸 예시도이다.
도 12는 딸기의 품종 별 기준 형상을 나타낸 예시도이다.
도 13는 딸기의 착색도 별 이미지를 나타낸 예시도이다.
도 14은 본 발명의 일 실시 예에 따른 딸기 품질 판별방법을 나타낸 순서도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 명세서 전체에서 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, "그 중간에 다른 소자를 사이에 두고" 연결되어 있는 경우도 포함한다.
이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.
본 발명의 일 실시 예로써, 딸기 품질 판별장치가 제공될 수 있다.
도 1 및 도 2는 본 발명의 일 실시 예에 따른 딸기 품질 판별장치를 나타낸 예시도이다.
도 1 및 도 2를 참조하면, 본 발명의 일 실시 예에 따른 딸기 품질 판별장치는 딸기영상이 획득되는 영상촬영부(200), 딸기영상에 기초하여 딸기의 형상 비가 도출하고, 형상 비에 따라 딸기의 기형 여부가 결정되는 형상판별부(310) 및 딸기영상의 픽셀 수에 기초하여 딸기의 착색도가 결정되는 색상판별부(320)가 포함될 수 있다.
본 명세서에서 딸기는 본 발명의 일 실시 예에 따른 딸기 품질 판별장치에 의해 판별되는 시료(sample)에 해당된다. 이에 따라, 판별대상이 되는 딸기마다 결함 유무, 품종, 번호 등에 기초하여 식별코드가 부여될 수 있다. 이와는 달리, 상기 딸기를 촬영한 딸기영상도 판별대상이 될 수 있다. 즉, 상기 결함 유무, 품종, 번호에 촬영방향(Ex. 앞면, 뒷면 등)에 기초하여 각각의 딸기영상을 구별하기 위한 식별코드가 부여될 수 있다. 상기 결함 유무는 딸기의 품질불량 유무에 관한 것으로 흰가루병, 탄저병, 잿빛곰팡이병, 구서, 상처, 짓무름 등의 딸기의 불량에 관한 것으로 본 발명의 일 실시 예에 따른 딸기 품질 판별장치에 의해서 판별될 수 있으나, 미리 획득된 결함데이터에 기초하여 상기 결함 유무가 결정될 수 있다. 상기 품종에는 매향, 설향, 육보, 장희, 금향 등이 포함되는데 이는 예시적인 것에 불과하고, 다양한 품종의 딸기가 포함될 수 있다. 상기 번호는 품종 별로 차례로 부여되는 숫자에 해당될 수 있다. 전술한 내용을 고려하여 예를 들면, 정상(N: Normal)이고 매향(MAE) 품종의 두 번째 딸기의 식별코드는 NMAE002와 같이 부여될 수 있다. 다만, 상기 식별코드를 생성하는 방법에는 제한이 없고, 다양한 방식에 따라 딸기의 식별코드가 생성되어 딸기(딸기영상)마다 부여될 수 있다.
또한, 본 발명의 일 실시 예에 따른 딸기 품질 판별장치에는 후술하는 바와 같이 중량예측부(330)가 더 포함될 수 있는데, 상기 형상판별부(310), 색상판별부(320) 및 중량예측부(330)는 모두 영상분석부(300)에 포함될 수 있다. 정리하면, 본 발명의 일 실시 예에 따른 딸기 품질 판별장치에는 영상촬영부(200) 및 영상분석부(300)가 포함될 수 있다. 이외에도, 본 발명의 일 실시 예에 따른 딸기 품질 판별장치에는 상기 영상촬영부(200) 및 영상분석부(300)를 제어하기 위한 제어부(미도시)가 더 포함될 수 있다.
도 4 내지 도 6은 본 발명의 일 실시 예에 따른 딸기 품질 판별장치에 있어서, 이송부의 이송모듈을 나타낸 예시도이고, 도 7 및 도 8은 본 발명의 일 실시 예에 따른 딸기 품질 판별장치의 이송트레이(600)를 나타낸 예시도이다.
도 4 내지 도 8을 참조하면, 본 발명의 일 실시 예에 따른 딸기 품질 판별장치에는 영상촬영부(200)로 딸기를 공급하기 위한 투입부(100), 형상판별부(310)에서의 기형 여부 및 색상판별부(320)에서의 착색도가 결정된 딸기를 분류하여 포장부로 배출하기 위한 배출부(900) 및 투입부(100)를 통해 공급된 딸기를 배출부(900)까지 이동시키기 위한 이동모듈이 구비된 이송부(800)가 더 포함되고, 딸기는 이송트레이(600)에 담겨져 투입부(100)로부터 공급되어 이송부(800)를 통해 이동될 수 있다.
상기 투입부(100)에서는 일정한 방향으로 상기 이송트레이(600)에 담겨진 딸기가 상기 이송모듈로 공급될 수 있다. 즉, 투입부(100)에는 소정의 시간마다 상기 딸기가 담겨진 이송트레이(600)가 이송모듈로 투입되도록 이동, 정렬시키는 모듈들이 더 포함될 수 있다.
상기 배출부(900)에서는 착색도 및 기형 여부에 따라 분류된 딸기가 복수개의 이동경로를 형성하며 포장부로 이송될 수 있다. 예를 들면, 딸기의 형상이 기형이 아니고, 착색도가 80% 이상인 딸기는 A등급 포장부로, 딸기의 형상이 기형이 아니고, 착색도가 70% 이상인 딸기는 B등급 포장부로, 딸기의 형상이 기형이 아니고, 착색도가 60% 이상인 딸기는 C등급 포장부로 각각 개별적인 경로를 통해 이동될 수 있다. 다만, 상기 등급은 예시적인 것에 불과하고, 딸기의 기형 유무, 착색도에 기초하여 다양하게 설정될 수 있다. 또한, 상기와 같이 설정된 딸기의 기형 유무, 착색도에 기초하여 수출용, 내수용 등으로도 딸기가 구분될 수 있다.
이송트레이(600)는 딸기(20)가 놓여지는 접시에 해당될 수 있다. 상기 이송트레이(600)는 도 7에 도시된 바와 같이 원형 플레이트(plate) 형태로 형성될 수 있고, 상기 이송트레이(600)의 상단부에는 딸기가 안착될 수 있도록 원형 플레이트 내측으로 패여진 안착공간(615)이 더 포함될 수 있다. 상기 안착공간(615)은 딸기의 형상 및 색상의 도출을 위해 도 7에 도시된 바와 같이 사각뿔(
)의 상측이 절단된 형태로 패여짐으로써 형성될 수 있다. 즉, 도 7에 도시된 안착공간(615)의 형태에 딸기가 놓여짐에 따라 도출되는 딸기의 형상 및 색상의 정확도가 향상될 수 있다.
이와는 달리, 이송트레이(600)는 도 8과 같이 형성될 수 있다. 도 8을 참조하면, 이송트레이(600)는 원형 플레이트 형태로 형성되고, 상기 원형 플레이트는 플레이트의 상단면에서 중심으로 갈수록 깊어지는 형태로 개방될 수 있다. 또한, 상기 원형 플레이트의 중심부(670)는 소정 직경의 원기둥 형태로 개방될 수 있다. 이는, 후술하는 이송모듈을 통해 딸기의 하단부까지 촬영하도록 하기 위함이다.
상기 이송부(800)에는 이동모듈 뿐 아니라, 이동모듈을 동작시키도록 하기 위한 동력을 제공하는 구동모듈 및 상기 이동모듈 및 구동모듈이 구비되는 이송구조물이 더 포함될 수 있다.
상기 이동모듈은 도 4 내지 도 6에 도시된 바와 같이, 컨베이어(conveyor) 방식으로 구동되는 이송장치에 해당될 수 있다. 즉, 상기 이동모듈에는 컨베이어의 동작을 위한 복수의 풀리 및 벨트가 더 포함될 수 있다.
도 4는 본 발명의 일 실시 예에 따른 딸기 품질 판별장치의 이동모듈을 나타낸 예시도이다. 도 4를 참조하면, 상기 이동모듈은 상기 이동모듈의 상단부에 구비된 촬영모듈(220)만으로 상기 이송트레이(600)에 놓여진 딸기의 상단부만이 촬영될 수 있다.
이와는 달리 도 5의 이동모듈을 참조하면, 상기 이동모듈은 복수개의 컨베이어(825)가 소정의 간격만큼 이격되어 일렬로 배치됨으로써 형성될 수 있다. 도 5에 도시된 바와 같이, 상기 이격된 컨베이어(825) 간 간격을 통해 상측에서는 물론 하측에서도 상기 이송트레이(600)에 담겨진 딸기가 촬영될 수 있다. 즉, 후술하는 바와 같이, 딸기의 상부뿐만 아니라 하부까지도 촬영될 필요가 있으므로, 이동모듈은 도 5에서와 같이 복수개의 컨베이어(825)가 이격된 배치를 통해 형성될 수 있다.
또한, 도 6의 (a)는 이동모듈을 통해 딸기가 담겨진 이송트레이(600)가 이동되는 상태를 나타낸 도면이다. 도 6의 (a)에 도시된 이동모듈은 두 개의 컨베이어(825)가 상기 두 개의 컨베이어(825) 사이에 개방공간(850)을 형성하면서 나란히 배치될 수 있다. 도 6의 (b)는 상기 도 6의 (a)의 이동모듈을 측면에서 바라본 상태를 나타낸 도면이다. 즉, 도 6의 (b)에 도시된 바와 같이 이동모듈의 상측 및 하측에 각각 촬영모듈(220)이 배치될 수 있다. 이는 도 4에서와 같이 딸기의 상부는 물론 하부 상태까지 동시에 촬영되도록 하기 위함이다.
도 5 및 도 6에 도시된 바와 같이, 딸기의 상부 및 하부 모두를 촬영하기 위해서는 딸기가 담겨지는 이송트레이(600)는 도 8에 도시된 바와 같이 중심부(670)가 개방된 형태로 형성될 수 있다. 즉, 딸기의 하부까지 촬영되도록 하기 위하여 이송트레이(600)의 일부는 상부 및 하부가 개방되어 연결된 형태로 형성될 수 있다.
본 발명의 일 실시 예에 따른 딸기 품질 판별장치의 영상촬영부(200)에는 촬영모듈(220), 조명모듈(210) 및 이동모듈의 일 부분을 감싸는 형태로 형성된 하우징(230)이 더 포함되고, 하우징(230)의 소정의 위치에 촬영모듈(220) 및 조명모듈(210)이 구비될 수 있다.
상기 촬영모듈(220)은 딸기영상을 촬영하기 위한 것이다. 예시적으로, 상기 촬영모듈(220)은 CCD(Charge Coupled Device), CIS(CMOS Image Sensor)와 같은 이미지센서를 이용하는 촬영장치에 해당될 수 있다. 또한, 상기 촬영모듈(220)은 이동모듈의 중앙부분에서 수직이 되도록 위치할 수 있음은 물론, 복수개의 촬영모듈(220)들이 소정의 배치형태를 이루며 하우징(230) 내측으로 배치될 수 있다.
상기 조명모듈(210)은 상기 촬영모듈(220)을 이용하여 딸기영상을 촬영함에 있어서 광원의 역할을 하는 것으로 상기 조명모듈(210)에는 엘이디(LED) 램프, 크립톤(krypton) 램프와 같은 조명장치들이 포함될 수 있다. 상기 조명모듈(210)은 상기 촬영모듈(220)과 좌우대칭이 되도록 복수개가 상기 하우징(230) 내측에 구비될 수 있다.
상기 촬영모듈(220)에서는 이동모듈의 구동과정에서 상기 이동모듈 상의 이송트레이(600)가 담긴 딸기의 이동영상이 촬영될 수 있다. 즉, 딸기의 이동영상이 촬영될 수 있다. 또한, 이동모듈이 소정의 시간 간격마다 정지 및 이동을 반복하도록 구동되고 상기 정지시간을 이용하여 딸기의 정지영상이 촬영될 수 있다. 다시 말하면, 촬영모듈(220)을 이용하여 딸기의 정지영상 및 이동영상 모두가 촬영될 수 있으므로, 본 명세서에서 딸기영상은 상기 딸기의 정지영상 및 이동영상을 포함할 수 있다.
또한, 상기 하우징(230)이 형성된 이동모듈의 일 부분의 소정의 위치에는 중량측정모듈이 구비될 수 있다. 상기 소정의 위치는 상기 하우징(230)과 상기 투입부(100) 사이에 존재하는 이동모듈의 부분에 해당될 수 있다. 상기 중량측정모듈을 이용하여 딸기의 이동영상이 촬영될 수 있다. 구체적으로, 중량측정모듈을 이용하여 딸기가 구비된 이송트레이(600)의 중량이 측정된 시점 이후의 시점에 상기 이송트레이(600)의 딸기의 이동영상이 촬영될 수 있다.
본 발명의 일 실시 예에 따른 딸기 품질 판별장치에는 딸기영상의 픽셀 수에 대하여 미리 생성된 중량예측모델을 적용하여 딸기의 중량이 예측되는 중량예측부(330)가 더 포함될 수 있다.
도 11은 본 발명의 일 실시 예에 따른 딸기 품질 판별 장치에 있어서, 중량예측부(330)의 중량예측모델을 나타낸 예시도이다.
도 11를 참조하면, 상기 중량예측모델은 영상처리와 관련된 다양한 알고리즘을 이용하여 생성될 수 있다. 특히, 선형 회귀 분석을 통해 중량예측모델이 생성될 수 있다. 구체적으로, 딸기의 실제 측정 중량과 딸기영상의 픽셀 수 사이에 선형관계를 분석함에 따라 중량예측모델이 생성될 수 있다.
상기 선형관계는 다음의 [수학식 1]과 같이 결정될 수 있다.
[수학식 1]
상기 [수학식 1]에서 x는 딸기영상에서의 도출된 딸기 오브젝트에 대한 픽셀 수를 의미하며, y는 예측중량에 해당될 수 있다.
본 발명의 일 실시 예에 따른 딸기 품질 판별장치의 형상판별부(310)에서는 딸기영상이 복수개의 영역들로 분할되고, 분할된 영역 별 픽셀 수에 기초하여 계산된 영역 별 과육면적 값에 따라 형상 비가 도출될 수 있다.
도 9 및 도 10는 본 발명의 일 실시 예에 따른 딸기 품질 판별장치에 있어서, 형상판별부(310)에서 형상 비가 도출되는 과정을 나타내기 위한 예시도이다.
도 9의 (a)는 제 1 형상비를 도출하기 위하여 딸기영상이 4 개의 영역들로 분할된 상태를 나타낸 도면이고, 도 9의 (b)는 제 2 형상비를 도출하기 위하여 딸기영상이 4개의 영역들로 분할된 상태를 나타낸 도면이다.
먼저, 제 1 형상비 도출과정을 살펴본다. 도 9의 (a)에 도시된 바와 같이 딸기영상은 과육영역(431) 및 꼭지영역(432)로 구분될 수 있다. 이후에, 과육영역(431)의 소정의 부분은 딸기영상의 중앙을 중심으로 좌우로 구분되어 L영역 및 R영역으로 분할될 수 있다. 제 1 형상비는 L영역의 픽셀 수 및 R영역의 픽셀 수의 비에 해당될 수 있다. 또한, 상기 L영역의 픽셀 수 및 R영역의 픽셀 수 중에서 더 큰 값을 가지는 영역의 픽셀 수가 제 1 형상비를 결정하기 위한 기준 값에 해당될 수 있다.
다음으로, 딸기영상은 도 9의 (b)와 같이 과육영역(431)과 꼭지영역(432)으로 구분되고, 과육영역(431)의 소정의 부분에 대하여 상측 및 하측을 구분하기 위한 Up영역 및 Down영역으로 분할될 수 있다. 제 2 형상비는 Up영역의 픽셀 수 및 Down영역의 픽셀 수의 비에 해당될 수 있다. 또한, 상기 Up영역의 픽셀 수 및 Down영역의 픽셀 수 중에서 더 큰 값을 가지는 영역의 픽셀 수가 제 2 형상비를 결정하기 위한 기준 값에 해당될 수 있다.
형상분석부에서 상기와 같이 제 1 형상비 및 제 2 형상비가 도출되면 딸기의 기형 여부가 결정될 수 있다. 상기 기형 여부는 다양한 기준에 따라 결정될 수 있다. 즉, 딸기는 제 1 형상비 및 제 2 형상비가 각각 제 1 기준형상범위 및 제 2 기준형상범위 내에 속하는 경우 형상이 정상으로 분류될 수 있고, 제 1 형상비 및 제 2 형상비 중 어느 하나라도 제 1 기준형상범위 및 제 2 기준형상범위를 벗어난 경우에는 비정상으로 분류될 수 있다. 예를 들면, 제 1 형상비가 0.7 이상이고, 제 2 형상비가 0.62 이하인 경우 딸기의 형상은 정상인 것으로 결정될 수 있다.
본 명세서에서 딸기는 다양한 품종의 딸기를 모두 지칭한다. 예를 들어, 딸기에는 도 12에 도시된 바와 같이 매향, 설향, 육보, 장희 뿐만 아니라 금향 등의 여러 품종들의 딸기가 모두 포함될 수 있다. 즉, 상기 과육영역(431)의 소정의 부분은 딸기의 품종에 따라 달라질 수 있다. 뿐만 아니라, 제 1 형상비 및 제 2 형상비를 도출하기 위한 L영역, R영역, Up영역 Down영역은 품종에 따라 상이하게 설정될 수 있다. 또한, 제 1 형상비 및 제 2 형상비를 결정하기 위한 제 1 기준형상범위 및 제 2 기준형상범위도 마찬가지로 딸기의 품종에 따라 상이하게 설정될 수 있음은 당연하다.
더불어, 상기 형상판별부(310)에서는 딥러닝 알고리즘을 이용하여 딸기영상과 딸기의 형상 사이의 관계를 분류하기 위하여 미리 학습된 형상분류모델을 통해 딸기의 기형 여부를 결정할 수 있다. 상기 딥러닝 알고리즘에는 DNN(Deep Neural Network), CNN(Convolutional Neural Network) 등이 포함될 수 있지만, 이는 예시적인 것에 불과하고 다양한 알고리즘이 상기 형상분류모델의 학습을 위해 사용될 수 있다.
본 발명의 일 실시 예에 따른 딸기 품질 판별장치의 색상판별부(320)에서는 딸기영상에 대한 관심영역(ROI)이 설정되고, 관심영역이 설정된 딸기영상이 R영상, G영상 및 B영상으로 분리되며, 분리된 R영상, G영상 및 B영상에 따라 생성된 이진화영상에 기초하여 획득된 오브젝트픽셀수 및 과육픽셀수에 따라 착색도가 결정될 수 있다.
이하에서는, 색상판별부(320)에서 착색도가 계산되는 과정을 설명한다.
먼저, 딸기영상에 대하여 관심영역(ROI: region of interest)이 설정될 수 있다. 상기 딸기영상의 관심영역은 딸기영상 내 오브젝트인 딸기가 포함된 영역을 지칭한다.
다음으로, 관심영역이 설정된 딸기영상이 R영상, G영상 및 B영상으로 분리될 수 있다. 상기 영상분리와 관련하여서는 다양한 공지의 영상처리 기법 혹은 분리 기법이 사용될 수 있다.
분리된 R영상, G영상 및 B영상 중 적어도 하나 이상의 영상을 이용하여 제 1 영상이 생성될 수 있다. 상기 제 1 영상은 R영상 및 B영상에 기초하여 생성된 R-B영상에 해당될 수 있다. 생성된 제 1 영상에 대하여 제 1 임계값을 적용하여 이진화된 제 2 영상이 획득될 수 있다. 상기 제 2 영상은 딸기의 꼭지(꽃받침) 부분이 포함된 이진영상에 해당될 수 있다. 상기 제 2 영상에 대하여, 노이즈 제거를 위한 제 1 중간값 필터링이 수행되고, 소정의 색상에 대하여 마스킹 처리됨으로써 제 1 마스킹영상이 생성될 수 있다.
상기 제 1 영상 및 제 2 영상에 기초하여 생성된 제 3 영상에 대하여 제 2 임계값을 적용하여 이진화된 제 4 영상이 획득될 수 있다. 예를 들면, 제 3 영상은 상기 (R-B영상)-이진영상에 해당될 수 있다. 상기 제 4 영상은 꼭지(꽃받침) 부분이 제거된 이진영상에 해당될 수 있다. 상기 제 4 영상에 대하여도 노이즈 제거를 위한 제 2 중간값 필터링이 수행되고, 소정의 색상에 대하여 마스킹 처리됨으로써 제 2 마스킹영상이 생성될 수 있다.
상기 과정에 따라 생성된 영상들에 기초하여 오브젝트픽셀수 및 과육픽셀수가 획득될 수 있다. 상기 오브젝트픽셀수는 상기 마스킹영상(제 1 마스킹영상, 제 2 마스킹영상)으로부터 획득된 픽셀 수로써, 딸기영상 내 객체인 딸기의 픽셀 수를 의미한다. 또한, 상기 과육픽셀수는 상기 마스킹영상으로부터 획득된 픽셀 수 중에서 소정의 R 픽셀 값 이상을 나타내는 픽셀 수로써, 딸기영상 내 객체인 딸기의 과육 부분에 해당되는 픽셀 수를 의미한다.
착색도는 상기와 같은 과정을 통해 도출된 오브젝트픽셀수 및 과육픽셀수를 이용하여 계산될 수 있다. 즉, 착색도는 오브젝트픽셀수에 대한 상기 과육픽셀수의 비로써, 딸기의 숙도를 나타내기 위한 지수에 해당될 수 있다.
도 13는 딸기의 착색도 별 이미지를 나타낸 예시도인데, 상기 도 12에 도시된 착색도 별 과숙 이미지가 착색도 판별 정확도를 계산하기 위한 기준 이미지에 해당될 수 있다.
본 발명의 일 실시 예로써, 딸기 품질 판별방법이 제공될 수 있다. 이하에서 설명될 딸기 품질 판별방법과 관련하여서는 전술한 딸기 품질 판별장치에 대한 내용이 적용될 수 있다. 따라서, 딸기 품질 판별방법과 관련하여 전술한 내용과 동일한 내용에 대하여는 설명을 생략하였다.
도 14는 본 발명의 일 실시 예에 따른 딸기 품질 판별방법을 나타낸 순서도이다.
도 14를 참조하면, 본 발명의 일 실시 예에 따른 딸기 품질 판별장치를 이용한 딸기 품질 판별방법은 딸기영상이 획득되는 단계, 딸기영상에 기초하여 딸기의 형상 비가 도출되고, 형상 비에 따라 딸기의 기형 여부가 결정되는 단계 및 딸기영상의 픽셀 수에 기초하여 딸기의 착색도가 결정되는 단계가 포함될 수 있다.
본 발명의 일 실시 예에 따른 딸기 품질 판별장치를 이용한 딸기 품질 판별방법에는 딸기영상의 픽셀 수에 대하여 미리 생성된 중량예측모델을 적용하여 딸기의 중량이 예측되는 단계가 더 포함될 수 있다.
본 발명의 일 실시 예에 따른 딸기 품질 판별장치를 이용한 딸기 품질 판별방법에 있어서, 딸기의 기형 여부가 결정되는 단계에서는 딸기영상이 복수개의 영역들로 분할되고, 분할된 영역 별 픽셀 수에 기초하여 계산된 영역 별 과육면적 값에 따라 형상 비가 도출될 수 있다.
본 발명의 일 실시 예에 따른 딸기 품질 판별장치를 이용한 딸기 품질 판별방법에 있어서, 딸기의 착색도가 결정되는 단계에서는 딸기영상에 대한 관심영역(ROI)이 설정되고, 관심영역이 설정된 딸기영상이 R영상, G영상 및 B영상으로 분리되며, 분리된 R영상, G영상 및 B영상에 따라 생성된 이진화영상에 기초하여 획득된 오브젝트픽셀수 및 과육픽셀수에 따라 착색도가 결정될 수 있다.
한편, 본 발명의 일 실시 예로써, 전술한 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체가 제공될 수 있다.
또한, 전술한 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터 판독 가능 매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 방법에서 사용된 데이터의 구조는 컴퓨터 판독 가능 매체에 여러 수단을 통하여 기록될 수 있다. 본 발명의 다양한 방법들을 수행하기 위한 실행 가능한 컴퓨터 프로그램이나 코드를 기록하는 기록 매체는, 반송파(carrier waves)나 신호들과 같이 일시적인 대상들은 포함하는 것으로 이해되지는 않아야 한다. 상기 컴퓨터 판독 가능 매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, DVD 등)와 같은 저장 매체를 포함할 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
20: 딸기
100: 투입부
200: 영상촬영부 210: 조명모듈
220: 촬영모듈 230: 하우징
300: 영상분석부 310: 형상판별부
320: 색상판별부 330: 중량예측부
600: 이송트레이
800: 이송부
100: 투입부
200: 영상촬영부 210: 조명모듈
220: 촬영모듈 230: 하우징
300: 영상분석부 310: 형상판별부
320: 색상판별부 330: 중량예측부
600: 이송트레이
800: 이송부
Claims (11)
- 딸기 품질 판별장치에 있어서,
딸기영상이 획득되는 영상촬영부;
상기 딸기영상에 기초하여 딸기의 형상 비가 도출되고, 상기 형상 비에 따라 상기 딸기의 기형 여부가 결정되는 형상판별부; 및
상기 딸기영상의 픽셀 수에 기초하여 상기 딸기의 착색도가 결정되는 색상판별부가 포함되는 딸기 품질 판별장치.
- 제 1 항에 있어서,
상기 영상촬영부로 상기 딸기를 공급하기 위한 투입부;
상기 형상판별부에서의 기형 여부 및 상기 색상판별부에서의 착색도가 결정된 딸기를 분류하여 포장부로 배출하기 위한 배출부; 및
상기 투입부를 통해 공급된 딸기를 상기 배출부까지 이동시키기 위한 이동모듈이 구비된 이송부가 더 포함되고,
상기 딸기는 이송트레이에 담겨져 상기 투입부로부터 공급되어 상기 이송부를 통해 이동되는 딸기 품질 판별장치.
- 제 2 항에 있어서,
상기 영상촬영부에는 촬영모듈, 조명모듈 및 상기 이동모듈의 일 부분을 감싸는 형태로 형성된 하우징이 더 포함되고,
상기 하우징의 소정의 위치에는 상기 촬영모듈 및 조명모듈이 구비되는 딸기 품질 판별장치.
- 제 1 항에 있어서,
상기 딸기영상의 픽셀 수에 대하여 미리 생성된 중량예측모델을 적용하여 딸기의 중량이 예측되는 중량예측부가 더 포함되는 딸기 품질 판별장치.
- 제 1 항에 있어서,
상기 형상판별부에서는 상기 딸기영상이 복수개의 영역들로 분할되고, 상기 분할된 영역 별 픽셀 수에 기초하여 계산된 영역 별 과육면적 값에 따라 상기 형상 비가 도출되는 딸기 품질 판별장치.
- 제 1 항에 있어서,
상기 색상판별부에서는 상기 딸기영상에 대한 관심영역(ROI)이 설정되고, 상기 관심영역이 설정된 딸기영상이 R영상, G영상 및 B영상으로 분리되며, 상기 분리된 R영상, G영상 및 B영상에 따라 생성된 이진화영상에 기초하여 획득된 오브젝트픽셀수 및 과육픽셀수에 따라 상기 착색도가 결정되는 딸기 품질 판별장치.
- 딸기 품질 판별장치를 이용한 딸기 품질 판별방법에 있어서,
딸기영상이 획득되는 단계;
상기 딸기영상에 기초하여 딸기의 형상 비가 도출되고, 상기 형상 비에 따라 상기 딸기의 기형 여부가 결정되는 단계; 및
상기 딸기영상의 픽셀 수에 기초하여 상기 딸기의 착색도가 결정되는 단계가 포함되는 딸기 품질 판별방법.
- 제 7 항에 있어서,
상기 딸기영상의 픽셀 수에 대하여 미리 생성된 중량예측모델을 적용하여 딸기의 중량이 예측되는 단계가 더 포함되는 딸기 품질 판별방법.
- 제 7 항에 있어서,
상기 딸기의 기형 여부가 결정되는 단계에서는 상기 딸기영상이 복수개의 영역들로 분할되고, 상기 분할된 영역 별 픽셀 수에 기초하여 계산된 영역 별 과육면적 값에 따라 상기 형상 비가 도출되는 딸기 품질 판별방법.
- 제 7 항에 있어서,
상기 딸기의 착색도가 결정되는 단계에서는 상기 딸기영상에 대한 관심영역(ROI)이 설정되고, 상기 관심영역이 설정된 딸기영상이 R영상, G영상 및 B영상으로 분리되며, 상기 분리된 R영상, G영상 및 B영상에 따라 생성된 이진화영상에 기초하여 획득된 오브젝트픽셀수 및 과육픽셀수에 따라 상기 착색도가 결정되는 딸기 품질 판별방법.
- 제 7 항 내지 제 10 항 중 어느 한 항의 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190051030A KR102239387B1 (ko) | 2019-04-30 | 2019-04-30 | 딸기 품질 판별장치 및 이를 이용한 딸기 품질 판별방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190051030A KR102239387B1 (ko) | 2019-04-30 | 2019-04-30 | 딸기 품질 판별장치 및 이를 이용한 딸기 품질 판별방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200126849A true KR20200126849A (ko) | 2020-11-09 |
| KR102239387B1 KR102239387B1 (ko) | 2021-04-12 |
Family
ID=73429494
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190051030A KR102239387B1 (ko) | 2019-04-30 | 2019-04-30 | 딸기 품질 판별장치 및 이를 이용한 딸기 품질 판별방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102239387B1 (ko) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102285603B1 (ko) * | 2021-01-15 | 2021-08-04 | 주식회사 에이오팜 | 과일을 식별하는 장치 및 방법 |
| WO2022071652A1 (ko) | 2020-09-29 | 2022-04-07 | 주식회사 엘지에너지솔루션 | 전극 구조에 따른 이차전지 성능 추정 장치 및 그 방법 |
| KR102434102B1 (ko) * | 2022-01-27 | 2022-08-19 | 농업회사법인 상상텃밭 주식회사 | 인공지능 능동보조 서버가 탑재된 지능형 의료용 헴프 식물공장 시스템 |
| CN116577473A (zh) * | 2023-07-14 | 2023-08-11 | 北京市农林科学院 | 一种草莓机械损伤发生时间的检测方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19990011659U (ko) * | 1997-08-21 | 1999-03-25 | 김성근 | 화상을 이용한 자동감귤등급선별장치 |
| KR20000060509A (ko) | 1999-03-16 | 2000-10-16 | 김희용 | 과일의 색상 및 외형상태 선별방법 |
| KR100400861B1 (ko) * | 2000-07-05 | 2003-10-08 | 재단법인서울대학교산학협력재단 | 과실 외관품질 인자의 온라인 검출 및 정량화를 위한시스템 및 방법 |
| WO2015193711A1 (en) * | 2014-06-17 | 2015-12-23 | Expert Ymaging, Sl | Method and device for automated parameters calculation of an object |
-
2019
- 2019-04-30 KR KR1020190051030A patent/KR102239387B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19990011659U (ko) * | 1997-08-21 | 1999-03-25 | 김성근 | 화상을 이용한 자동감귤등급선별장치 |
| KR20000060509A (ko) | 1999-03-16 | 2000-10-16 | 김희용 | 과일의 색상 및 외형상태 선별방법 |
| KR100400861B1 (ko) * | 2000-07-05 | 2003-10-08 | 재단법인서울대학교산학협력재단 | 과실 외관품질 인자의 온라인 검출 및 정량화를 위한시스템 및 방법 |
| WO2015193711A1 (en) * | 2014-06-17 | 2015-12-23 | Expert Ymaging, Sl | Method and device for automated parameters calculation of an object |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022071652A1 (ko) | 2020-09-29 | 2022-04-07 | 주식회사 엘지에너지솔루션 | 전극 구조에 따른 이차전지 성능 추정 장치 및 그 방법 |
| KR102285603B1 (ko) * | 2021-01-15 | 2021-08-04 | 주식회사 에이오팜 | 과일을 식별하는 장치 및 방법 |
| WO2022154519A1 (ko) * | 2021-01-15 | 2022-07-21 | 주식회사 에이오팜 | 과일을 식별하는 장치 및 방법 |
| KR102434102B1 (ko) * | 2022-01-27 | 2022-08-19 | 농업회사법인 상상텃밭 주식회사 | 인공지능 능동보조 서버가 탑재된 지능형 의료용 헴프 식물공장 시스템 |
| CN116577473A (zh) * | 2023-07-14 | 2023-08-11 | 北京市农林科学院 | 一种草莓机械损伤发生时间的检测方法及装置 |
| CN116577473B (zh) * | 2023-07-14 | 2023-11-17 | 北京市农林科学院 | 一种草莓机械损伤发生时间的检测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102239387B1 (ko) | 2021-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102239387B1 (ko) | 딸기 품질 판별장치 및 이를 이용한 딸기 품질 판별방법 | |
| Lu et al. | Hyperspectral imaging technology for quality and safety evaluation of horticultural products: A review and celebration of the past 20-year progress | |
| US10430640B2 (en) | System and method for classification of particles in a fluid sample | |
| Bhargava et al. | Fruits and vegetables quality evaluation using computer vision: A review | |
| JP6858243B2 (ja) | 試料容器の容器キャップを識別するためのシステム、方法及び装置 | |
| Fan et al. | Detection of blueberry internal bruising over time using NIR hyperspectral reflectance imaging with optimum wavelengths | |
| Knauer et al. | Improved classification accuracy of powdery mildew infection levels of wine grapes by spatial-spectral analysis of hyperspectral images | |
| Kolhar et al. | Plant trait estimation and classification studies in plant phenotyping using machine vision–A review | |
| US9527115B2 (en) | Computer vision and machine learning software for grading and sorting plants | |
| US9367765B2 (en) | Method and apparatus for automatic detection of features in an image and method for training the apparatus | |
| Makky et al. | Development of an automatic grading machine for oil palm fresh fruits bunches (FFBs) based on machine vision | |
| KR101989202B1 (ko) | 미생물 성장을 분석하는 방법 및 소프트웨어 | |
| Gómez-Sanchís et al. | Hyperspectral LCTF-based system for classification of decay in mandarins caused by Penicillium digitatum and Penicillium italicum using the most relevant bands and non-linear classifiers | |
| Villaseñor-Aguilar et al. | Fuzzy classification of the maturity of the tomato using a vision system | |
| JP2012135240A (ja) | 細菌コロニー同定装置およびその方法 | |
| Thakur et al. | An innovative approach for fruit ripeness classification | |
| Smirnov et al. | Neural network for identifying apple fruits on the crown of a tree | |
| CN109661473B (zh) | 用于确定微生物的存在和鉴定所述微生物的方法、系统和计算机程序产品 | |
| Dang-Ngoc et al. | Citrus leaf disease detection and classification using hierarchical support vector machine | |
| Deulkar et al. | An automated tomato quality grading using clustering based support vector machine | |
| Ünal et al. | Detection of bruises on red apples using deep learning models | |
| CN113228049B (zh) | 用于将奶分类的奶分析仪 | |
| JP4171806B2 (ja) | 果実そ菜類の等級判別方法。 | |
| Behera et al. | A novel approach for classification of apple using on-tree images based on image processing | |
| CN117409403B (zh) | 一种基于深度学习的水稻稻穗成熟度估算方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |