Hough Transform Görüntü İşleme Yöntemiyle Ekim Makineleri için Tohum Sayma Uygulaması

Öz

Dünyadaki yaşamın devamlılığı, meyve, sebze, tahıl ürünlerin tohumlarının korunmasına ve optimum şekilde kullanılmasına bağlıdır. Tohumların yüzeye uygun yerleşimde ne az ne de çok uygulanmaması gerekir. Tohumlar yüzeye, az uygulandığında beklenen verim elde edilemez, çok uygulandığında da yüzeyden veya ortamdan yeterince faydalanamayacağından, yine verim düşük olacaktır. Bu yüzden ekim yapılırken birim alana düşen tohum adedini belirlemek için, laboratuvar ortamında tarım makinalarının optimizasyonu yapmak gerekmektedir. Görüntü işleme birçok alanda kullanılmasına rağmen, tarım alanında da kullanılabilecek bir yöntemdir ancak bu zamana kadar yeterince kullanılmamıştır. Özellikle ürün tohum ekim makinelerinin üzerinde, birim yüzeye düşecek tohum miktarı veya birim yüzeye düşecek gübre miktarını belirlendiği değerler vardır. Bu değerlerin doğruluğu büyük önem arz etmektedir. Bu güne kadarki tarım makinelerinin tohum ve gübre ayarlarında kullanılan en yaygın yöntem, ekim makinesi tekeri döndürülerek, yüzeye düşen tohumların toplam ağırlıklarına bakılarak bulunmaktaydı. Bu yöntem hem yavaş hem de tohumların türüne göre farklılık göstermektedir. Bu çalışmada ise, tohum makinesinin optimizasyonu yapılırken, kamera vasıtasıyla elde edilen görüntü işlenerek yüzey üzerindeki tohum sayısı elde edilmiştir

Anahtar Kelimeler

• Hough dönüşümü,Tohum sayma,Görüntü işleme,Gri görüntüye dönüştürme,Optimizasyon

Counting Application for Planting Machines with Hough Transform Image Processing Method

Abstract

The continuity of life in the world depends on the protection and optimum use of the seeds of fruits, vegetables, cereals. The seeds, applied neither more nor less in a suitable surface placement. As the seeds are applied less to the surface, the expected yield will not be achieved, and when it is applied too much, the yield will be low again. Therefore, in order to determine the amount of seed per unit area while planting, it is necessary to optimize the sowing machines in the laboratory environment. Although image processing is used in many fields, it is a method that can be used in agriculture, but it has not been used enough until this time. Especially, values in which the amount of seed per unit surface or the amount of fertilizer per unit surface is determined on the product seed sowing machines. The accuracy of these values is of great importance. The most common method used in the seed and fertilizer settings of the agricultural machinery to date was by turning the seeder wheel and looking at the total weight of the seeds falling on the surface. This method differs both slowly and depending on the type of seeds. In this study, while optimizing the seed machine, the image obtained by camera was processed and the number of seeds on the surface was obtained.

Keywords

• Hough transform,Seed counting,Image processing,Transform gray image,Optimization

References

1. Çelik, A. (2016). Haddeleme İşlemi Sırasında Ray ve Profil Yüzeylerinde Oluşan Kusurların Tespit Edilmesine Yönelik Paralel İşlemci Uygulaması. Karabük Üniversitesi Fen Bilimleri Enstitüsü, Karabük, Türkiye.
2. Orak, İ. M. & Çelik, A. (2016). An algorithm (COLMSTD) for detection of defects on rail and profile surfaces. International Journal of Computer Science and Information Security (IJCSIS), 14(4), 45-50
3. Solak, S. & Altınışık, U. (2017 ). Görüntü işleme teknikleri ve kümeleme yöntemleri kullanılarak fındık meyvesinin tespit ve sınıflandırılması”, Sakarya Üniversitesi Fen Bilimleri Enstitüsü, Sakarya Türkiye.
4. Sahu, D. & Dewangan, C.( 2017). Identification and Classification of Mango Fruits Using Image Processing. International Journal of Scientific Research in Computer Science, 2(2), 203-210.
5. Sönmez, Y., Kutlu H. & Avcı, E. (2016) .White Blood Cell Morphology Detection with BLOB Analysis. Tıp Teknolojileri Kongresi, Gaziantep, Türkiye.
6. Çevik, K. K. & Çakır, A. (2011). Görüntü İşleme Yöntemleriyle Araç Plakalarının Tanınarak Kapı Kontrolünün Gerçekleştirilmesi. Afyon Kocatepe Üniversitesi Fen Bilimleri Dergisi, 10(1),31-38.
7. Dursun, İ. G. & Dursun, E.(2000). Ekim makinası Sıra Üzeri Tohum Dağılımının Görüntü İşleme Yöntemi ile Belirlenmesi. Tarım Bilimleri Dergisi, 6(4), 1-5.
8. Biswas, D., Nag, A., Ghosh, S., Pal, A., Biswas, A., Banerjee, S. & Pal, A.(2011). Novel Gray Scale Conversion Techniques Based on Pixel Depth. Journal of Global Research in Computer Science Journal of Global Research in Computer Science, 2(6),…...

9. Cheng, X. (2009). Fast Binary Dilation/Erosion Algorithm Using Reference Points. 2009 International Conference on Networking and Digital Society, Guizhou, China,
10. Lee, H. & Kim, C.( 2014). Blurred image region detection and segmentation, 2014 IEEE International Conference on Image Processing (ICIP), Paris, France.
11. Maraşlı, F & Öztürk, S.(2018). Görüntü İyileştirme ve Görüntü Onarma Teknikleriyle ile Yapılmış Uygulamalar. II International Scientific and Vocational Studies Congress, Nevşehir, Türkiye.
12. Fokkinga, M. (2011). The Hough Transform. In: Journal of Functional Programming. Cambridge University Press, USA, 129-133.
13. Xiao, F., Jin, L. & Haopeng, W. (2010). A study of image retrieval based on hough transform, 3rd IEEE Computer Science and Information Technology (ICCSIT), Chengdu, China.
14. Ballard, H. D. (1981). Generalizing the hough transform to detect arbitrary shapes. Elsevier B. V. Pattern Recognition, 13(2), 111-122.
15. Ping, F. F., Wing S. L. & King, I. (1996). Randomized generalized hough transform for 2D grayscale object detection. Pattern Recognition, Vienna, Austria.
16. Taşel, F. S. (2012). Hough Dönüşümünün Dairesel Şekil Tespiti İçin CUDA Üzerinde Paralelleştirilmesi. Mühendislik ve Teknoloji Sempozyumu, Çankaya Üniversitesi, Ankara, Türkiye.
17. Milli Eğitim Bakanlığı(MEB) (2015). Tarım Alet ve Makineleri. Mesleki Eğitim ve Öğretim Sistemini Güçlendirme Projesi, Ankara, Türkiye.