KR20240007864A - Method and device for automatically measuring appearance quality of melon through image anaysis - Google Patents
Method and device for automatically measuring appearance quality of melon through image anaysis Download PDFInfo
- Publication number
- KR20240007864A KR20240007864A KR1020220084627A KR20220084627A KR20240007864A KR 20240007864 A KR20240007864 A KR 20240007864A KR 1020220084627 A KR1020220084627 A KR 1020220084627A KR 20220084627 A KR20220084627 A KR 20220084627A KR 20240007864 A KR20240007864 A KR 20240007864A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- melon
- unit
- net
- color
- Prior art date
Links
- 241000219112 Cucumis Species 0.000 title claims abstract description 138
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 title claims abstract description 138
- FJJCIZWZNKZHII-UHFFFAOYSA-N [4,6-bis(cyanoamino)-1,3,5-triazin-2-yl]cyanamide Chemical compound N#CNC1=NC(NC#N)=NC(NC#N)=N1 FJJCIZWZNKZHII-UHFFFAOYSA-N 0.000 title claims abstract description 114
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 52
- 238000010191 image analysis Methods 0.000 claims abstract description 34
- 238000005259 measurement Methods 0.000 claims description 16
- 241000283690 Bos taurus Species 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000013215 result calculation Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000004148 unit process Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 10
- 235000013399 edible fruits Nutrition 0.000 description 8
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/025—Fruits or vegetables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1765—Method using an image detector and processing of image signal
- G01N2021/177—Detector of the video camera type
- G01N2021/1776—Colour camera
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
Abstract
본 발명은 이미지 분석을 통한 멜론의 외관품질 자동계측 방법 및 장치에 관한 것으로, 본 발명의 일실시예에 따른 이미지 분석을 통한 멜론의 외관품질 자동계측 장치는, 멜론을 촬영한 이미지를 수신하는 이미지 업로드부; 상기 이미지를 처리하여 상기 멜론의 이미지 상의 네트와 과피에 대한 면적과 색깔을 계측하여 산출하는 이미지 처리부; 및 산출된 상기 이미지를 저장하는 이미지 저장부;를 포함하여 구성된다.The present invention relates to a method and device for automatically measuring the appearance quality of a melon through image analysis. The device for automatically measuring the appearance quality of a melon through image analysis according to an embodiment of the present invention receives an image taken of a melon. upload department; An image processing unit that processes the image to measure and calculate the area and color of the net and skin on the image of the melon; and an image storage unit that stores the calculated image.
Description
본 발명은 이미지 분석을 통한 멜론의 외관품질 자동계측 방법 및 장치에 관한 것으로, 멜론의 네트를 이용하여 멜론의 외관품질을 보다 객관정을 계측할 수 있는 이미지 분석을 통한 멜론의 외관품질 자동계측 방법 및 장치에 관한 것이다.The present invention relates to a method and device for automatically measuring the appearance quality of melons through image analysis. A method for automatically measuring the appearance quality of melons through image analysis that can objectively measure the appearance quality of melons using a melon net. and devices.
일반적으로 멜론의 선별 시에는 국립농산물품질관리원의 등급 규정에 따라 무게, 모양, 신선도 및 숙도, 향기, 당도, 중결점과, 경결점과 등의 요인에 의한 선별을 하거나, 요구 등급에 따라 선별하며, 선별이 끝난 후에는 과실의 당도를 표시한다.In general, when selecting melons, they are selected based on factors such as weight, shape, freshness and ripeness, aroma, sweetness, medium defect, and hard defect according to the grading regulations of the National Agricultural Products Quality Management Service, or according to the required grade. , After sorting, the sweetness of the fruit is indicated.
그러나, 네트 멜론의 경우 품질을 결정하는 생육지표는 당도, 과육두께, 과중, 네트 발현 등으로 구성되며, 저울, 당도계를 사용하여 측정하는 당도, 과중과 달리 네트 발현의 경우 대부분 관능평가로 선별자에 따라 주관적인 기준이 적용되어 선별작업의 일관성이 저하될 수 있다.However, in the case of net melons, the growth indicators that determine quality consist of sugar content, flesh thickness, fruit weight, and net expression. Unlike sugar content and fruit weight, which are measured using scales and saccharometers, net expression is mostly assessed by sensory evaluation by the selector. Accordingly, subjective standards may be applied, which may reduce the consistency of the selection process.
따라서, 육안으로 보고 판단하는 생육 및 품질에 영향을 미치는 요인들의 데이터화 및 외관을 통한 멜론의 품질 자동계측이 필요하다.Therefore, it is necessary to automatically measure the quality of melons through data and appearance of factors affecting growth and quality judged by the naked eye.
본 발명은 전술한 문제를 해결하기 위해 안출된 것으로서, 본 발명에 따르면 사용자가 스마트폰 등의 사용자 단말을 이용하여 촬영한 멜론의 RGB 이미지를 통해 네트밀도, 균일도, 네트와 과피의 색깔을 측정할 수 있도록 하여, 멜론의 외관품질을 결정하는 요소 중 하나인 네트를 육안으로 판단하는 것보다 보다 객관적인 기준으로 측정이 가능하도록 하고자 한다.The present invention was devised to solve the above-described problem. According to the present invention, the net density, uniformity, and color of the net and rind can be measured through the RGB image of the melon taken by the user using a user terminal such as a smartphone. By doing this, we aim to make it possible to measure the net, which is one of the factors that determine the appearance quality of a melon, using a more objective standard than judging it with the naked eye.
전술한 문제를 해결하기 위한 본 발명의 일실시예에 따른 이미지 분석을 통한 멜론의 외관품질 자동계측 장치는, 멜론을 촬영한 이미지를 수신하는 이미지 업로드부; 상기 이미지를 처리하여 상기 멜론의 이미지 상의 네트와 과피에 대한 면적과 색깔을 계측하여 산출하는 이미지 처리부; 및 산출된 상기 이미지를 저장하는 이미지 저장부;를 포함하여 구성된다.An apparatus for automatically measuring the appearance quality of a melon through image analysis according to an embodiment of the present invention to solve the above-described problem includes an image upload unit that receives an image of a melon; An image processing unit that processes the image to measure and calculate the area and color of the net and skin on the image of the melon; and an image storage unit that stores the calculated image.
본 발명의 다른 일실시예에 따르면, 상기 이미지 처리부는 OpenCV(Open Source Computer Vision) 라이브러리를 이용하여 상기 이미지를 처리할 수 있다.According to another embodiment of the present invention, the image processing unit may process the image using the OpenCV (Open Source Computer Vision) library.
본 발명의 다른 일실시예에 따르면, 상기 이미지 처리부는 상기 멜론을 촬영한 이미지의 단위면적을 선택하는 단위면적 선택부; 추출된 단위면적 이미지에 그레이 처리와, 가우시안(Gaussian) 필터를 적용한 노이즈 제거 처리를 하는 필터링부; 노이즈 제거 처리가 된 이미지를 모폴로지(Morphology) 처리하여 단순화하는 모폴로지 처리부; 단순화된 이미지를 이진화하는 이진화부; 및 이진화된 이미지에서 상기 멜론의 네트와 과피의 분류, 밀도, 색깔을 계측하여 산출하는 결과 계측부;를 포함하여 구성될 수 있다.According to another embodiment of the present invention, the image processing unit includes a unit area selection unit that selects a unit area of an image taken of the melon; A filtering unit that performs gray processing and noise removal processing by applying a Gaussian filter to the extracted unit area image; A morphology processing unit that simplifies the noise-removed image by morphologically processing it; Binarization unit that binarizes the simplified image; and a result measurement unit that measures and calculates the classification, density, and color of the net and skin of the melon in the binarized image.
본 발명의 다른 일실시예에 따르면, 상기 결과 계측부는 상기 멜론의 네트의 밀도, 상기 멜론의 과피의 평균 면적, 상기 멜론의 네트의 색깔, 상기 멜론의 과피의 색깔을 계측하여 산출할 수 있다.According to another embodiment of the present invention, the result measuring unit may measure and calculate the density of the net of the melon, the average area of the skin of the melon, the color of the net of the melon, and the color of the skin of the melon.
본 발명의 다른 일실시예에 따르면, 상기 결과 계측부는 상기 멜론의 이미지의 단위면적 대비 상기 네트의 픽셀 면적을 계산하여 네트의 밀도를 산출하고, 상기 멜론의 이미지의 네트를 제외한 공간을 계측하여 상기 멜론의 과피의 평균 면적과 균일도를 계산하고, 상기 멜론의 이미지의 네트의 R, G, B 수치와, 상기 멜론의 이미지의 과피의 R, G, B 수치를 이용하여, 상기 네트의 색깔과 상기 과피의 색깔을 산출할 수 있다.According to another embodiment of the present invention, the result measurement unit calculates the density of the net by calculating the pixel area of the net compared to the unit area of the melon image, and measures the space excluding the net of the melon image to calculate the net density. Calculate the average area and uniformity of the skin of the melon, and use the R, G, B values of the net of the melon image and the R, G, B values of the skin of the melon image to determine the color of the net and the The color of the skin can be calculated.
본 발명의 다른 일실시예에 따르면, 상기 이미지를 처리한 결과를 초기화하는 이미지 초기화부; 입력되는 설정값에 의해 상기 이미지 처리부에서 사용되는 필터를 설정하는 임계값 설정부; 및 상기 산출된 결과를 이용하여 상기 멜론의 품질을 산출하는 품질 산출부;를 더 포함하여 구성될 수 있다.According to another embodiment of the present invention, an image initialization unit that initializes the result of processing the image; a threshold setting unit that sets a filter to be used in the image processing unit based on an input setting value; and a quality calculation unit that calculates the quality of the melon using the calculated results.
또한, 본 발명의 일실시예에 따른 이미지 분석을 통한 멜론의 외관품질 자동계측 방법은, 이미지 업로드부가 멜론을 촬영한 이미지를 수신하는 제1 단계; 이미지 처리부가 상기 멜론을 촬영한 이미지의 단위면적을 선택하는 제2 단계; 상기 이미지 처리부가 상기 단위면적의 이미지 상의 상기 멜론의 네트와 과피에 대한 면적과 색깔을 계측하여 산출하는 제3 단계; 및 이미지 저장부가 산출된 상기 이미지를 저장하는 제4 단계;를 포함하여 구성된다.In addition, a method of automatically measuring the appearance quality of a melon through image analysis according to an embodiment of the present invention includes a first step of receiving an image of a melon taken by an image uploader; A second step in which an image processing unit selects a unit area of an image of the melon; A third step in which the image processing unit measures and calculates the area and color of the net and skin of the melon on the image of the unit area; and a fourth step in which an image storage unit stores the calculated image.
본 발명의 다른 일실시예에 따르면, 상기 제3 단계는 상기 이미지 처리부가 OpenCV(Open Source Computer Vision) 라이브러리를 이용하여 상기 단위면적의 이미지를 처리할 수 있다.According to another embodiment of the present invention, in the third step, the image processing unit may process the image of the unit area using an OpenCV (Open Source Computer Vision) library.
본 발명의 다른 일실시예에 따르면, 상기 제3 단계는 추출된 단위면적 이미지에 그레이 처리와, 가우시안(Gaussian) 필터를 적용한 노이즈 제거 처리를 하는 이미지 전처리 단계; 노이즈 제거 처리가 된 이미지를 모폴로지(Morphology) 처리하여 단순화하는 이미지 단순화 단계; 단순화된 이미지를 이진화하는 이미지 이진화 단계; 및 이진화된 이미지에서 상기 멜론의 네트와 과피의 분류, 밀도, 색깔을 계측하여 산출하는 결과 산출 단계;를 포함하여 구성될 수 있다.According to another embodiment of the present invention, the third step includes an image pre-processing step of gray processing and noise removal processing by applying a Gaussian filter to the extracted unit area image; An image simplification step in which the noise-removed image is simplified by morphology processing; An image binarization step of binarizing the simplified image; and a result calculation step of measuring and calculating the classification, density, and color of the net and skin of the melon in the binarized image.
본 발명의 다른 일실시예에 따르면, 상기 결과 산출 단계는 상기 멜론의 네트의 밀도, 상기 멜론의 과피의 평균 면적, 상기 멜론의 네트의 색깔, 상기 멜론의 과피의 색깔을 계측하여 산출할 수 있다.According to another embodiment of the present invention, the result calculation step can be calculated by measuring the density of the net of the melon, the average area of the skin of the melon, the color of the net of the melon, and the color of the skin of the melon. .
본 발명의 다른 일실시예에 따르면, 상기 결과 산출 단계는 상기 멜론의 이미지의 단위면적 대비 상기 네트의 픽셀 면적을 계산하여 네트의 밀도를 산출하고, 상기 멜론의 이미지의 네트를 제외한 공간을 계측하여 상기 멜론의 과피의 평균 면적과 균일도를 계산하고, 상기 멜론의 이미지의 네트의 R, G, B 수치와, 상기 멜론의 이미지의 과피의 R, G, B 수치를 이용하여, 상기 네트의 색깔과 상기 과피의 색깔을 산출할 수 있다.According to another embodiment of the present invention, the result calculation step calculates the density of the net by calculating the pixel area of the net compared to the unit area of the image of the melon, and measures the space excluding the net of the image of the melon. Calculate the average area and uniformity of the skin of the melon, and use the R, G, B values of the net of the melon image and the R, G, B values of the skin of the melon image to determine the color of the net The color of the skin can be calculated.
본 발명의 다른 일실시예에 따르면, 상기 제4 단계의 이후에, 품질 산출부가 상기 산출된 결과를 이용하여 상기 멜론의 품질을 산출하는 단계;를 더 포함하여 구성될 수 있다.According to another embodiment of the present invention, after the fourth step, the quality calculation unit may further include calculating the quality of the melon using the calculated result.
본 발명에 따르면 사용자가 스마트폰 등의 사용자 단말을 이용하여 촬영한 멜론의 RGB 이미지를 통해 네트밀도, 균일도, 네트와 과피의 색깔을 측정할 수 있도록 하여, 멜론의 외관품질을 결정하는 요소 중 하나인 네트를 육안으로 판단하는 것보다 보다 객관적인 기준으로 측정할 수 있다.According to the present invention, it is one of the factors that determine the appearance quality of a melon by allowing the user to measure the net density, uniformity, and color of the net and skin through the RGB image of the melon taken using a user terminal such as a smartphone. In-net can be measured using more objective standards than judging it with the naked eye.
도 1은 본 발명의 일실시예에 따른 이미지 분석을 통한 멜론의 외관품질 자동계측 방법을 설명하기 위한 흐름도이다.
도 2는 본 발명의 일실시예에 따른 이미지 분석을 통한 멜론의 외관품질 자동계측 프로그램을 설명하기 위한 도면이다.
도 3은 본 발명의 일실시예에 따른 이미지 분석을 통한 멜론의 외관품질 자동계측 방법을 보다 상세하게 설명하기 위한 도면이다.
도 4는 본 발명의 일실시예에 따른 멜론의 네트 이미지 분석 결과를 설명하기 위한 도면이다.
도 5 내지 도 7은 본 발명의 일실시예에 따른 멜론 외관 품질에 따른 내부 산출 및 비교 결과를 설명하기 위한 도면이다.
도 8은 본 발명의 일실시예에 따른 이미지 분석을 통한 멜론의 외관품질 자동계측 장치의 구성도이다.
도 9는 본 발명의 일실시예에 따른 이미지 처리부의 구성도이다.Figure 1 is a flowchart illustrating a method of automatically measuring the appearance quality of a melon through image analysis according to an embodiment of the present invention.
Figure 2 is a diagram illustrating a program for automatically measuring the appearance quality of melons through image analysis according to an embodiment of the present invention.
Figure 3 is a diagram for explaining in more detail a method of automatically measuring the appearance quality of a melon through image analysis according to an embodiment of the present invention.
Figure 4 is a diagram for explaining the results of net image analysis of a melon according to an embodiment of the present invention.
Figures 5 to 7 are diagrams for explaining internal calculation and comparison results according to melon appearance quality according to an embodiment of the present invention.
Figure 8 is a configuration diagram of a device for automatically measuring the appearance quality of melons through image analysis according to an embodiment of the present invention.
Figure 9 is a configuration diagram of an image processing unit according to an embodiment of the present invention.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.Since the present invention can be modified in various ways and can have various embodiments, specific embodiments will be illustrated in the drawings and described in detail in the detailed description. However, this is not intended to limit the present invention to specific embodiments, and should be understood to include all transformations, equivalents, and substitutes included in the spirit and technical scope of the present invention.
다만, 실시형태를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다. 또한, 도면에서의 각 구성요소들의 크기는 설명을 위하여 과장될 수 있으며, 실제로 적용되는 크기를 의미하는 것은 아니다.However, in describing the embodiments, if it is determined that specific descriptions of related known functions or configurations may unnecessarily obscure the gist of the present invention, detailed descriptions thereof will be omitted. Additionally, the size of each component in the drawings may be exaggerated for explanation and does not mean the actual size.
또한, 명세서 전체에서, 일 구성요소가 다른 구성요소와 "연결된다" 거나 "접속된다" 등으로 언급된 때에는, 상기 일 구성요소가 상기 다른 구성요소와 직접 연결되거나 또는 직접 접속될 수도 있지만, 특별히 반대되는 기재가 존재하지 않는 이상, 중간에 또 다른 구성요소를 매개하여 연결되거나 또는 접속될 수도 있다고 이해되어야 할 것이다. 또한, 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 있는 것을 의미한다.In addition, throughout the specification, when a component is referred to as "connected" or "connected" to another component, the component may be directly connected or directly connected to the other component, but in particular Unless there is a contrary description, it should be understood that it may be connected or connected through another component in the middle. In addition, throughout the specification, when a part "includes" a certain element, this means that it may further include other elements rather than excluding other elements, unless specifically stated to the contrary.
도 1은 본 발명의 일실시예에 따른 이미지 분석을 통한 멜론의 외관품질 자동계측 방법을 설명하기 위한 흐름도이고, 도 2는 본 발명의 일실시예에 따른 이미지 분석을 통한 멜론의 외관품질 자동계측 프로그램을 설명하기 위한 도면이다.Figure 1 is a flowchart illustrating a method of automatically measuring the appearance quality of a melon through image analysis according to an embodiment of the present invention, and Figure 2 is a flowchart illustrating a method of automatically measuring the appearance quality of a melon through image analysis according to an embodiment of the present invention. This is a drawing to explain the program.
또한, 도 3은 본 발명의 일실시예에 따른 이미지 분석을 통한 멜론의 외관품질 자동계측 방법을 보다 상세하게 설명하기 위한 도면이고, 도 4는 본 발명의 일실시예에 따른 멜론의 네트 이미지 분석 결과를 설명하기 위한 도면이다.In addition, Figure 3 is a diagram for explaining in more detail a method of automatically measuring the appearance quality of melons through image analysis according to an embodiment of the present invention, and Figure 4 is a net image analysis of melons according to an embodiment of the present invention. This is a drawing to explain the results.
이후부터는 도 1 내지 도 4를 참조하여 본 발명의 일실시예에 따른 이미지 분석을 통한 멜론의 외관품질 자동계측 방법을 설명하기로 한다.From now on, a method of automatically measuring the appearance quality of a melon through image analysis according to an embodiment of the present invention will be described with reference to FIGS. 1 to 4.
이미지 업로드부가 멜론을 촬영한 이미지를 수신하고(S110), 상기 이미지 처리부가 상기 멜론을 촬영한 이미지의 단위면적을 선택한다(S120).The image upload unit receives an image of a melon (S110), and the image processing unit selects a unit area of the image of the melon (S120).
이때, 본 발명의 일실시예에 따른 이미지 분석을 통한 멜론의 외관품질 자동계측 방법은 이미지 초기화부가 상기 이미지를 처리한 결과를 초기화하 할 수 있으며, 임계값 설정부가 입력되는 설정값에 의해 상기 이미지 처리부에서 사용되는 필터를 설정할 수 있다.At this time, in the method of automatically measuring the appearance quality of a melon through image analysis according to an embodiment of the present invention, the image initialization unit can initialize the results of processing the image, and the threshold setting unit can initialize the image according to the setting value input. You can set the filter used in the processing unit.
이후에는 상기 이미지 처리부가 상기 단위면적의 이미지 상의 상기 멜론의 네트와 과피에 대한 면적과 색깔을 계측하여 산출하고, 저장부가 산출된 상기 이미지를 수집하여 저장한다(S130).Afterwards, the image processing unit measures and calculates the area and color of the net and skin of the melon on the image of the unit area, and the storage unit collects and stores the calculated image (S130).
이때, 도 2를 참조하면, 본 발명의 일실시예에 따르면 상기 이미지 처리부가 OpenCV(Open Source Computer Vision) 라이브러리를 사용하는 이미지 분석을 통한 멜론의 외관품질 자동계측 프로그램을 이용해 상기 단위면적의 이미지를 처리할 수 있다.At this time, referring to Figure 2, according to one embodiment of the present invention, the image processing unit uses an automatic measurement program for the appearance quality of the melon through image analysis using the OpenCV (Open Source Computer Vision) library to generate the image of the unit area. It can be handled.
보다 상세하게 설명하면, 도 3에 도시된 바와 같이 먼저 수신된 이미지의 단위 면적을 추출하고, 추출된 단위면적 이미지에 그레이 처리와, 가우시안(Gaussian) 필터를 적용한 노이즈 제거 처리를 한다.In more detail, as shown in FIG. 3, the unit area of the received image is first extracted, and the extracted unit area image is grayed out and noise removed by applying a Gaussian filter.
이후에는, 노이즈 제거 처리가 된 이미지를 모폴로지(Morphology) 처리하여 단순화하고, 단순화된 이미지를 이진화한 후, 이진화된 이미지에서 상기 멜론의 네트와 과피의 분류, 밀도, 색깔을 계측하여 산출할 수 있다.Afterwards, the noise-removed image is simplified through morphology processing, the simplified image is binarized, and the classification, density, and color of the melon's net and skin can be measured and calculated from the binarized image. .
이때, 상기 결과의 산출 시에는 상기 멜론의 네트의 밀도, 상기 멜론의 과피의 평균 면적, 상기 멜론의 네트의 색깔, 상기 멜론의 과피의 색깔을 계측하여 산출할 수 있다.At this time, when calculating the result, the density of the melon's net, the average area of the melon's skin, the color of the melon's net, and the color of the melon's skin can be measured and calculated.
더욱 상세하게 설명하면, 상기 멜론의 이미지의 단위면적 대비 상기 네트의 픽셀 면적을 계산하여 네트의 밀도를 산출하고, 상기 멜론의 이미지의 네트를 제외한 공간을 계측하여 상기 멜론의 과피의 평균 면적과 균일도를 계산하고, 상기 멜론의 이미지의 네트의 R, G, B 수치와, 상기 멜론의 이미지의 과피의 R, G, B 수치를 이용하여, 도 4에서와 같이 상기 네트의 색깔과 상기 과피의 색깔을 산출할 수 있다.In more detail, the net density is calculated by calculating the pixel area of the net compared to the unit area of the melon image, and the space excluding the net of the melon image is measured to calculate the average area and uniformity of the melon skin. Calculate, using the R, G, B values of the net of the melon image and the R, G, B values of the rind of the melon image, the color of the net and the color of the rind as shown in Figure 4 can be calculated.
따라서, 품질 산출부가 상기 산출된 결과를 이용하여 상기 멜론의 품질을 산출할 수 있다.Accordingly, the quality calculation unit can calculate the quality of the melon using the calculated results.
도 5 내지 도 7은 본 발명의 일실시예에 따른 멜론 외관 품질에 따른 내부 산출 및 비교 결과를 설명하기 위한 도면으로서, 멜론의 외관 품질 대비 내부 품질의 상관 분석을 설명하기 위한 것이다.Figures 5 to 7 are diagrams for explaining the internal calculation and comparison results according to the external quality of the melon according to an embodiment of the present invention, and are for explaining the correlation analysis of the internal quality compared to the external quality of the melon.
이때, 외관 품질은 과형지수, 과중, 네트형성(밀도, 색깔)이고, 내부 품질은 과육두께, 당도(최고, 평균)이다.At this time, the external quality is fruit shape index, fruit weight, and net formation (density, color), and the internal quality is flesh thickness and sweetness (highest, average).
도 5를 참조하면 2020년 7월 정식 멜론을 분석한 결과 평균당도를 기준으로 네트 밀도가 46%로 가장 높은 상관성을 보였으며, 최고당도, 과육두께를 기준으론 과중에서 50%, 51%로 가장 높은 상관성을 보이고 있다.Referring to Figure 5, as a result of analyzing regular melons in July 2020, net density showed the highest correlation at 46% based on average sugar content, and based on maximum sugar content and flesh thickness, it was the highest at 50% and 51% of the fruit, respectively. It shows high correlation.
또한, 도 6을 참조하면 2021년 6월 정식 멜론을 분석한 결과 외관 대비 내부품질의 뚜렷한 상관성을 보이지 않았으나 평균 당도를 기준으론 과중(?37%), 최고 당도를 기준으로 네트밀도(21%)에서 다른 외부지표에 비해 상관성이 있는 경향을 보이고 있다.In addition, referring to Figure 6, as a result of analyzing regular melons in June 2021, there was no clear correlation between exterior quality and internal quality, but based on average sweetness, overweight (-37%) and net density (21%) based on highest sugar content shows a tendency for correlation compared to other external indicators.
이와 같이, 도 7을 참조하면 멜론의 당도와 상대적으로 상관성이 보이는 변수를 기준으로 218과에 대한 상관분석 결과는 최고당도 기준 과중에서 ?20%, 네트밀도에서 36%이며 평균당도를 기준으로 과중에서 ?45%, 네트밀도에서 43%의 상관성을 보이고 있음을 알 수 있다.In this way, referring to Figure 7, the correlation analysis results for 218 fruit based on variables showing a relative correlation with the sweetness of melon are ?20% for the highest sweetness standard and 36% for the net density, and the fruit weight is based on the average sweetness. It can be seen that there is a correlation of ?45% in and 43% in net density.
도 8은 본 발명의 일실시예에 따른 이미지 분석을 통한 멜론의 외관품질 자동계측 장치의 구성도이고, 도 9는 본 발명의 일실시예에 따른 이미지 처리부의 구성도이다.Figure 8 is a configuration diagram of a device for automatically measuring the appearance quality of melons through image analysis according to an embodiment of the present invention, and Figure 9 is a configuration diagram of an image processing unit according to an embodiment of the present invention.
이후부터는 도 8 및 도 9를 참조하여 본 발명의 일실시예에 따른 이미지 분석을 통한 멜론의 외관품질 자동계측 장치를 설명하기로 한다.From now on, an apparatus for automatically measuring the appearance quality of melons through image analysis according to an embodiment of the present invention will be described with reference to FIGS. 8 and 9.
본 발명의 일실시예에 따른 이미지 분석을 통한 멜론의 외관품질 자동계측 장치(200)는 이미지 업로드부(210), 이미지 처리부(220), 이미지 저장부(230), 이미지 초기화부(240), 임계값 설정부(250) 및 품질 산출부(260)를 포함하여 구성될 수 있다.The apparatus 200 for automatically measuring the appearance quality of melons through image analysis according to an embodiment of the present invention includes an image upload unit 210, an image processing unit 220, an image storage unit 230, an image initialization unit 240, It may be configured to include a threshold setting unit 250 and a quality calculation unit 260.
이미지 업로드부(210)는 업로드 되는 멜론을 촬영한 이미지를 수신하고, 이미지 처리부(220)는 상기 이미지를 처리하여 상기 멜론의 이미지 상의 네트와 과피에 대한 면적과 색깔을 계측하여 산출한다.The image upload unit 210 receives an image of a melon being uploaded, and the image processing unit 220 processes the image to measure and calculate the area and color of the net and skin on the image of the melon.
이때, 상기 이미지 처리부(220)는 OpenCV(Open Source Computer Vision) 라이브러리를 이용하여 상기 이미지를 처리할 수 있다.At this time, the image processing unit 220 may process the image using the OpenCV (Open Source Computer Vision) library.
보다 구체적으로, 도 9를 참조하면, 상기 이미지 처리부(220)는 단위면적 선택부(221), 필터링부(222), 모폴로지 처리부(223), 이진화부(224) 및 결과 계측부(225)를 포함하여 구성될 수 있다.More specifically, referring to FIG. 9, the image processing unit 220 includes a unit area selection unit 221, a filtering unit 222, a morphology processing unit 223, a binarization unit 224, and a result measurement unit 225. It can be configured as follows.
상기 단위면적 선택부(221)는 상기 멜론을 촬영한 이미지의 단위면적을 선택하고, 상기 필터링부(222)는 추출된 단위면적 이미지에 그레이 처리와, 가우시안(Gaussian) 필터를 적용한 노이즈 제거 처리를 한다.The unit area selection unit 221 selects the unit area of the image of the melon, and the filtering unit 222 performs gray processing and noise removal processing by applying a Gaussian filter to the extracted unit area image. do.
또한, 상기 모폴로지 처리부(223)는 노이즈 제거 처리가 된 이미지를 모폴로지(Morphology) 처리하여 단순화하고, 상기 이진화부(224)는 단순화된 이미지를 이진화한다.Additionally, the morphology processing unit 223 simplifies the noise-removed image by performing morphology processing, and the binarization unit 224 binarizes the simplified image.
그에 따라, 상기 결과 계측부(225)는 이진화된 이미지에서 상기 멜론의 네트와 과피의 분류, 밀도, 색깔을 계측하여 산출할 수 있으며, 이때 상기 멜론의 네트의 밀도, 상기 멜론의 과피의 평균 면적, 상기 멜론의 네트의 색깔, 상기 멜론의 과피의 색깔을 계측하여 산출할 수 있다.Accordingly, the result measurement unit 225 can measure and calculate the classification, density, and color of the net and skin of the melon in the binarized image, where the density of the net of the melon, the average area of the skin of the melon, It can be calculated by measuring the color of the net of the melon and the color of the skin of the melon.
보다 구체적으로, 상기 결과 계측부(225)는 상기 멜론의 이미지의 단위면적 대비 상기 네트의 픽셀 면적을 계산하여 네트의 밀도를 산출하고, 상기 멜론의 이미지의 네트를 제외한 공간을 계측하여 상기 멜론의 과피의 평균 면적과 균일도를 계산하고, 상기 멜론의 이미지의 네트의 R, G, B 수치와, 상기 멜론의 이미지의 과피의 R, G, B 수치를 이용하여, 상기 네트의 색깔과 상기 과피의 색깔을 산출할 수 있다.More specifically, the result measurement unit 225 calculates the density of the net by calculating the pixel area of the net compared to the unit area of the image of the melon, and measures the space excluding the net of the image of the melon to measure the rind of the melon. Calculate the average area and uniformity of the net and the R, G, B values of the net of the melon image and the R, G, B values of the rind of the melon image, to determine the color of the net and the color of the rind. can be calculated.
한편, 이미지 초기화부(240)는 상기 이미지를 처리한 결과를 초기화하고, 임계값 설정부(250)는 입력되는 설정값에 의해 상기 이미지 처리부에서 사용되는 필터를 설정할 수 있다.Meanwhile, the image initialization unit 240 initializes the results of processing the image, and the threshold setting unit 250 can set the filter used in the image processing unit based on the input setting value.
또한, 품질 산출부(260)는 상기 산출된 결과를 이용하여 상기 멜론의 품질을 산출할 수 있다.Additionally, the quality calculation unit 260 may calculate the quality of the melon using the calculated result.
따라서, 본 발명에 따르면 사용자가 스마트폰 등의 사용자 단말을 이용하여 촬영한 멜론의 RGB 이미지를 통해 네트밀도, 균일도, 네트와 과피의 색깔을 측정할 수 있도록 하여, 멜론의 외관품질을 결정하는 요소 중 하나인 네트를 육안으로 판단하는 것보다 보다 객관적인 기준으로 측정할 수 있다.Therefore, according to the present invention, the net density, uniformity, and color of the net and rind can be measured through the RGB image of the melon taken using a user terminal such as a smartphone, which is a factor that determines the appearance quality of the melon. One of the nets can be measured using more objective standards than judging it with the naked eye.
전술한 바와 같은 본 발명의 상세한 설명에서는 구체적인 실시예에 관해 설명하였다. 그러나 본 발명의 범주에서 벗어나지 않는 한도 내에서는 여러 가지 변형이 가능하다. 본 발명의 기술적 사상은 본 발명의 전술한 실시예에 국한되어 정해져서는 안 되며, 청구범위뿐만 아니라 이 청구범위와 균등한 것들에 의해 정해져야 한다.In the detailed description of the present invention as described above, specific embodiments have been described. However, various modifications are possible without departing from the scope of the present invention. The technical idea of the present invention should not be limited to the above-described embodiments of the present invention, but should be determined not only by the claims but also by equivalents to the claims.
200: 이미지 분석을 통한 멜론의 외관품질 자동계측 장치
210: 이미지 업로드부
220: 이미지 처리부
221: 단위면적 선택부
222: 필터링부
223: 모폴로지 처리부
224: 이진화부
225: 결과 계측부
230: 이미지 저장부
240: 이미지 초기화부
250: 임계값 설정부
260: 품질 산출부200: Automatic measurement device for melon appearance quality through image analysis
210: Image upload unit
220: Image processing unit
221: Unit area selection unit
222: Filtering unit
223: Morphology processing unit
224: Binization Department
225: Result measurement unit
230: Image storage unit
240: Image initialization unit
250: Threshold setting unit
260: Quality calculation department
Claims (12)
상기 이미지를 처리하여 상기 멜론의 이미지 상의 네트와 과피에 대한 면적과 색깔을 계측하여 산출하는 이미지 처리부; 및
산출된 상기 이미지를 저장하는 이미지 저장부;
를 포함하는 이미지 분석을 통한 멜론의 외관품질 자동계측 장치.
An image upload unit that receives images taken of melons;
An image processing unit that processes the image to measure and calculate the area and color of the net and skin on the image of the melon; and
an image storage unit that stores the calculated image;
An automatic measurement device for the appearance quality of melons through image analysis including.
상기 이미지 처리부는,
OpenCV(Open Source Computer Vision) 라이브러리를 이용하여 상기 이미지를 처리하는 이미지 분석을 통한 멜론의 외관품질 자동계측 장치.
In claim 1,
The image processing unit,
An automatic measurement device for the appearance quality of melons through image analysis that processes the images using the OpenCV (Open Source Computer Vision) library.
상기 이미지 처리부는,
상기 멜론을 촬영한 이미지의 단위면적을 선택하는 단위면적 선택부;
추출된 단위면적 이미지에 그레이 처리와, 가우시안(Gaussian) 필터를 적용한 노이즈 제거 처리를 하는 필터링부;
노이즈 제거 처리가 된 이미지를 모폴로지(Morphology) 처리하여 단순화하는 모폴로지 처리부;
단순화된 이미지를 이진화하는 이진화부; 및
이진화된 이미지에서 상기 멜론의 네트와 과피의 분류, 밀도, 색깔을 계측하여 산출하는 결과 계측부;
를 포함하는 이미지 분석을 통한 멜론의 외관품질 자동계측 장치.
In claim 1,
The image processing unit,
a unit area selection unit that selects a unit area of the image of the melon;
A filtering unit that performs gray processing and noise removal processing by applying a Gaussian filter to the extracted unit area image;
A morphology processing unit that simplifies the noise-removed image by morphologically processing it;
Binarization unit that binarizes the simplified image; and
a result measurement unit that measures and calculates the classification, density, and color of the net and skin of the melon from the binarized image;
An automatic measurement device for the appearance quality of melons through image analysis including.
상기 결과 계측부는,
상기 멜론의 네트의 밀도, 상기 멜론의 과피의 평균 먼적, 상기 멜론의 네트의 색깔, 상기 멜론의 과피의 색깔을 계측하여 산출하는 이미지 분석을 통한 멜론의 외관품질 자동계측 장치.
In claim 3,
The result measurement unit,
An automatic measurement device for the appearance quality of a melon through image analysis that measures and calculates the density of the net of the melon, the average distance of the rind of the melon, the color of the net of the melon, and the color of the rind of the melon.
상기 결과 계측부는,
상기 멜론의 이미지의 단위면적 대비 상기 네트의 픽셀 면적을 계산하여 네트의 밀도를 산출하고,
상기 멜론의 이미지의 네트를 제외한 공간을 계측하여 상기 멜론의 과피의 평균 면적과 균일도를 계산하고,
상기 멜론의 이미지의 네트의 R, G, B 수치와, 상기 멜론의 이미지의 과피의 R, G, B 수치를 이용하여, 상기 네트의 색깔과 상기 과피의 색깔을 산출하는 이미지 분석을 통한 멜론의 외관품질 자동계측 장치.
In claim 4,
The result measurement unit,
Calculate the density of the net by calculating the pixel area of the net compared to the unit area of the image of the melon,
Calculate the average area and uniformity of the skin of the melon by measuring the space excluding the net of the image of the melon,
Melon through image analysis that calculates the color of the net and the color of the rind using the R, G, B values of the net of the melon image and the R, G, B values of the rind of the melon image Automatic exterior quality measurement device.
상기 이미지를 처리한 결과를 초기화하는 이미지 초기화부;
입력되는 설정값에 의해 상기 이미지 처리부에서 사용되는 필터를 설정하는 임계값 설정부; 및
상기 산출된 결과를 이용하여 상기 멜론의 품질을 산출하는 품질 산출부;
를 더 포함하는 이미지 분석을 통한 멜론의 외관품질 자동계측 장치.
In claim 1,
an image initialization unit that initializes the results of processing the image;
a threshold setting unit that sets a filter to be used in the image processing unit based on an input setting value; and
a quality calculation unit that calculates the quality of the melon using the calculated results;
An automatic measurement device for the appearance quality of melons through image analysis, further comprising:
이미지 처리부가 상기 멜론을 촬영한 이미지의 단위면적을 선택하는 제2 단계;
상기 이미지 처리부가 상기 단위면적의 이미지 상의 상기 멜론의 네트와 과피에 대한 면적과 색깔을 계측하여 산출하는 제3 단계; 및
이미지 저장부가 산출된 상기 이미지를 저장하는 제4 단계;
를 포함하는 이미지 분석을 통한 멜론의 외관품질 자동계측 방법.
A first step in which the image upload unit receives an image of a melon;
A second step in which an image processing unit selects a unit area of an image of the melon;
A third step in which the image processing unit measures and calculates the area and color of the net and skin of the melon on the image of the unit area; and
A fourth step in which an image storage unit stores the calculated image;
Method for automatically measuring the appearance quality of melons through image analysis including.
상기 제3 단계는,
상기 이미지 처리부가 OpenCV(Open Source Computer Vision) 라이브러리를 이용하여 상기 단위면적의 이미지를 처리하는 이미지 분석을 통한 멜론의 외관품질 자동계측 방법.
In claim 7,
The third step is,
A method of automatically measuring the appearance quality of melons through image analysis in which the image processing unit processes the image of the unit area using the OpenCV (Open Source Computer Vision) library.
상기 제3 단계는,
추출된 단위면적 이미지에 그레이 처리와, 가우시안(Gaussian) 필터를 적용한 노이즈 제거 처리를 하는 이미지 전처리 단계;
노이즈 제거 처리가 된 이미지를 모폴로지(Morphology) 처리하여 단순화하는 이미지 단순화 단계;
단순화된 이미지를 이진화하는 이미지 이진화 단계; 및
이진화된 이미지에서 상기 멜론의 네트와 과피의 분류, 밀도, 색깔을 계측하여 산출하는 결과 산출 단계;
를 포함하는 이미지 분석을 통한 멜론의 외관품질 자동계측 방법.
In claim 7,
The third step is,
An image pre-processing step of gray processing and noise removal processing by applying a Gaussian filter to the extracted unit area image;
An image simplification step in which the noise-removed image is simplified by morphology processing;
An image binarization step of binarizing the simplified image; and
A result calculation step of measuring the classification, density, and color of the net and skin of the melon from the binarized image;
Method for automatically measuring the appearance quality of melons through image analysis including.
상기 결과 산출 단계는,
상기 멜론의 네트의 밀도, 상기 멜론의 과피의 평균 먼적, 상기 멜론의 네트의 색깔, 상기 멜론의 과피의 색깔을 계측하여 산출하는 이미지 분석을 통한 멜론의 외관품질 자동계측 방법.
In claim 9,
The result calculation step is,
A method of automatically measuring the appearance quality of a melon through image analysis, which measures and calculates the density of the net of the melon, the average distance of the rind of the melon, the color of the net of the melon, and the color of the rind of the melon.
상기 결과 산출 단계는,
상기 멜론의 이미지의 단위면적 대비 상기 네트의 픽셀 면적을 계산하여 네트의 밀도를 산출하고,
상기 멜론의 이미지의 네트를 제외한 공간을 계측하여 상기 멜론의 과피의 평균 면적과 균일도를 계산하고,
상기 멜론의 이미지의 네트의 R, G, B 수치와, 상기 멜론의 이미지의 과피의 R, G, B 수치를 이용하여, 상기 네트의 색깔과 상기 과피의 색깔을 산출하는 이미지 분석을 통한 멜론의 외관품질 자동계측 방법.
In claim 10,
The result calculation step is,
Calculate the density of the net by calculating the pixel area of the net compared to the unit area of the image of the melon,
Calculate the average area and uniformity of the skin of the melon by measuring the space excluding the net of the image of the melon,
Melon through image analysis that calculates the color of the net and the color of the rind using the R, G, B values of the net of the melon image and the R, G, B values of the rind of the melon image How to automatically measure appearance quality.
상기 제4 단계의 이후에,
품질 산출부가 상기 산출된 결과를 이용하여 상기 멜론의 품질을 산출하는 단계;
를 더 포함하는 이미지 분석을 통한 멜론의 외관품질 자동계측 방법.
In claim 7,
After the fourth step,
A quality calculation unit calculating the quality of the melon using the calculated results;
A method of automatically measuring the appearance quality of melons through image analysis further comprising:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220084627A KR20240007864A (en) | 2022-07-08 | 2022-07-08 | Method and device for automatically measuring appearance quality of melon through image anaysis |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220084627A KR20240007864A (en) | 2022-07-08 | 2022-07-08 | Method and device for automatically measuring appearance quality of melon through image anaysis |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240007864A true KR20240007864A (en) | 2024-01-17 |
Family
ID=89713457
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220084627A KR20240007864A (en) | 2022-07-08 | 2022-07-08 | Method and device for automatically measuring appearance quality of melon through image anaysis |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20240007864A (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100798518B1 (en) | 2002-12-24 | 2008-01-28 | 가부시끼 가이샤 구보다 | Fruit-vegetable quality evaluation device |
-
2022
- 2022-07-08 KR KR1020220084627A patent/KR20240007864A/en not_active Application Discontinuation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100798518B1 (en) | 2002-12-24 | 2008-01-28 | 가부시끼 가이샤 구보다 | Fruit-vegetable quality evaluation device |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sahu et al. | Defect identification and maturity detection of mango fruits using image analysis | |
| Leemans et al. | Defects segmentation on ‘Golden Delicious’ apples by using colour machine vision | |
| Mendoza et al. | Colour and image texture analysis in classification of commercial potato chips | |
| US8548257B2 (en) | Distinguishing between faces and non-faces | |
| Guzmán et al. | Determination of the olive maturity index of intact fruits using image analysis | |
| CN105427275B (en) | Crop field environment wheat head method of counting and device | |
| Neelamegam et al. | Analysis of rice granules using image processing and neural network | |
| Shahin et al. | Lentil type identification using machine vision | |
| CN108844957A (en) | A kind of tobacco leaf oil new detecting method based on machine vision | |
| CN111753794A (en) | Fruit quality classification method and device, electronic equipment and readable storage medium | |
| Pizzaia et al. | Arabica coffee samples classification using a Multilayer Perceptron neural network | |
| KR20180023847A (en) | Method for Evaluating the Authenticity of a Painting as well as a Corresponding Use | |
| Kato et al. | White striping degree assessment using computer vision system and consumer acceptance test | |
| Thinh et al. | Mango classification system based on machine vision and artificial intelligence | |
| Varela et al. | Method for the recovery of images in databases of rice grains from visual content | |
| Sarino et al. | Classification of coffee bean degree of roast using image processing and neural network | |
| Bora et al. | Application of bio-image analysis for classification of different ripening stages of banana | |
| KR20240007864A (en) | Method and device for automatically measuring appearance quality of melon through image anaysis | |
| Khairunniza-Bejo et al. | Chokanan mango sweetness determination using hsb color space | |
| Agustin et al. | Automatic milled rice quality analysis | |
| DK163382B (en) | PROCEDURE FOR DETERMINING THE QUALITY CHARACTERISTICS OF INDIVIDUAL GROUPS | |
| Sabzi et al. | Non-intrusive image processing Thompson orange grading methods | |
| CN115760724A (en) | Food quality detection method and system | |
| Thinh et al. | Sorting and classification of mangoes based on artificial intelligence | |
| KR102596206B1 (en) | Classification system of dried sea cucumber using image analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |