Abstract
In this study, the
difficulties of the cherry producers during the cherry harvesting were
investigated. In the view of the information obtained from the producers of
cherries, the problem of determining the location of the cherries, where the
cherries are located, has been solved by the image processing method.
Cherry is a fruit
that has a very short harvest time. Because of the unfavorable nature of the
land where the trees are located, the use of autonomous systems in the cherry
harvesting process can make it easier for the harvesters to harvest. When the
details of the cherry picking process are evaluated, it has been seen that such
an autonomous machine should solve three successive problems, such as
determining the cherry, determining the coordinates of the cherry and breaking
the cherry in the determined chord. In this study, an application related to
the detection of the cherry which is the primary of these problems is designed
with image processing method. As a controller, Raspberry Pi 3 card is used for
image processing and in software side, C software language, QT Creator compiler
and OpenCV library are used.
As
a result, when there is no high backlight, the detection of the cherry, that
reaches the harvestable level, in the tree has been achieved with 100% success.
However, in the case of high backlight, the system could not detect it because
it was darker than the cherry
References
- 1. Erişti E., 2010, “Görüntü İşlemede Yeni Bir Soluk, OPENCV”, Bilişim’10 - XII. Akademik Bilişim Konferansı Bildirileri Muğla Üniversitesi
- 2. Hewitt R., 2007, “Seeing with OpenCV
- 3. Sol , 2015, “Detect red circles in an image using OpenCV”
- 4. Eminoğlu, Öztürk, Acar, Kalıkara, 2015, “Meyve Hasadında Kullanılan Hasat Platformlarının Çalışma Koşullarının İyileştirilmesi Yönünden Değerlendirilmesi”
- 5. Gıda Tarım ve Hayvancılık Bakanlığı Bitkisel üretim Genel Müdürlüğü, Mart 2017, “Bügem Faliyetleri”
- 6. http://www.tuik.gov.tr/PreTablo.do?alt_id=1001
- 7. Shahab T, Matin P, Shahram L, 2017, “A Raspberry-Pi Prototype of Smart Transportation”
- 8. Mimoun B, Zied L, 2017, “Emotion recognition system based on physiological signals with Raspberry Pi III implementation”
- 9. M. J. Allen; I. M. Coulson; N. E. Gough; Q. Mehdi, 1999, "Classifying coloured objects under different lighting conditions using the HSV colour model and a neural network"
- 10. H. Dasari; C. Bhagvati, 2007, “Identification of Non-Black Inks Using HSV Colour Space”
- 11. Smit T; Hemant M, 2016, "Food detection on plate based on the HSV color model"
- 12. Yue Y; Zhu J, 2017, "Algorithm of fingerprint extraction and implementation based on OpenCV"
- 13. Nagarasu B; Manimegalai M, 2016, "Automatic irrigation and worm detection for peanut field using Raspberry pi with OpenCV"
- 14. Frazer K. N, 2016, "Comparison of OpenCV's feature detectors and feature matchers"
- 15. M. Michalko; J. Onuška; A. Lavrín; D. Cymbalák; O. Kainz, 2016, "Tracking the object features in video based on OpenCV"
- 16. Helen B; Mikhail S, 2015, "CAMFT — the program for simulation of an ion bunch dynamics in external magnetic field with parallel computing"
- 17. https://doc.xdevs.com/doc/RPi/pi3-block-diagram-rev4.png
- 18. https://www.raspberrypi.org/products/raspberry-pi-3-model-b/
- 19. http://charlestonpcworx.tripod.com/id1.html
- 20. https://stackoverflow.com/questions/10948589/choosing-correct-hsv-values-for-opencv-thresholding-with-inranges
Abstract
Bu çalışmada kiraz hasadı esnasında kiraz üreticilerinin yaşadıkları
zorluklar incelenmiştir. Kiraz üreticilerinden edinilen bilgiler doğrultusunda
görüntü işleme metodu ile kiraz üreticilerinin yaşadığı kirazın yerinin tespiti
problemine çözüm getirilmiştir.
Kiraz hasat zamanı çok kısa
olan bir meyvedir. Ağaçların bulunduğu arazinin elverişsizliği nedeniyle, kiraz
hasat işleminde insan gücünden çok tam mekanize otonom sistemlerin kullanılması
üreticilerin hasat yapmalarını kolaylaştırabilir. Kiraz toplama işleminin
detayları değerlendirildiğinde böyle bir otonom makinenin, kirazın tespit
edilmesi, tespit edilen kirazın koordinatlarının belirlenmesi ve belirlenen
koordinattan kirazın koparılması gibi üç ardışık problemi çözmesi gerektiği
görülmüştür. Bu çalışmada bu problemlerden ilki olan kirazın tespit edilmesi
ile ilgili bir uygulama görüntü işleme yöntemi ile tasarlanmıştır. Görüntü
işleme işlemi için kontrolcü kartı olarak Raspberry Pi 3 kartı kullanılmış,
yazılım kanadında ise C yazılım dili, QT Creator derleyicisi ve OpenCV
kütüphanesinden yararlanılmıştır.
Sonuç olarak, yüksek ters ışık olmadığı durumlarda
ağaçta hasat edilecek olgunluğa ulaşan kirazın tespiti %100 başarı ile
sağlanmıştır. Ancak yüksek ters ışık olduğu durumlarda sistem kiraz olduğundan
daha koyu gördüğünden dolayı tespit edememiştir.
References
- 1. Erişti E., 2010, “Görüntü İşlemede Yeni Bir Soluk, OPENCV”, Bilişim’10 - XII. Akademik Bilişim Konferansı Bildirileri Muğla Üniversitesi
- 2. Hewitt R., 2007, “Seeing with OpenCV
- 3. Sol , 2015, “Detect red circles in an image using OpenCV”
- 4. Eminoğlu, Öztürk, Acar, Kalıkara, 2015, “Meyve Hasadında Kullanılan Hasat Platformlarının Çalışma Koşullarının İyileştirilmesi Yönünden Değerlendirilmesi”
- 5. Gıda Tarım ve Hayvancılık Bakanlığı Bitkisel üretim Genel Müdürlüğü, Mart 2017, “Bügem Faliyetleri”
- 6. http://www.tuik.gov.tr/PreTablo.do?alt_id=1001
- 7. Shahab T, Matin P, Shahram L, 2017, “A Raspberry-Pi Prototype of Smart Transportation”
- 8. Mimoun B, Zied L, 2017, “Emotion recognition system based on physiological signals with Raspberry Pi III implementation”
- 9. M. J. Allen; I. M. Coulson; N. E. Gough; Q. Mehdi, 1999, "Classifying coloured objects under different lighting conditions using the HSV colour model and a neural network"
- 10. H. Dasari; C. Bhagvati, 2007, “Identification of Non-Black Inks Using HSV Colour Space”
- 11. Smit T; Hemant M, 2016, "Food detection on plate based on the HSV color model"
- 12. Yue Y; Zhu J, 2017, "Algorithm of fingerprint extraction and implementation based on OpenCV"
- 13. Nagarasu B; Manimegalai M, 2016, "Automatic irrigation and worm detection for peanut field using Raspberry pi with OpenCV"
- 14. Frazer K. N, 2016, "Comparison of OpenCV's feature detectors and feature matchers"
- 15. M. Michalko; J. Onuška; A. Lavrín; D. Cymbalák; O. Kainz, 2016, "Tracking the object features in video based on OpenCV"
- 16. Helen B; Mikhail S, 2015, "CAMFT — the program for simulation of an ion bunch dynamics in external magnetic field with parallel computing"
- 17. https://doc.xdevs.com/doc/RPi/pi3-block-diagram-rev4.png
- 18. https://www.raspberrypi.org/products/raspberry-pi-3-model-b/
- 19. http://charlestonpcworx.tripod.com/id1.html
- 20. https://stackoverflow.com/questions/10948589/choosing-correct-hsv-values-for-opencv-thresholding-with-inranges
Details
| Journal Section | 24. Sayı Cilt II |
|---|---|
| Authors | |
| Publication Date | December 30, 2017 |
| Submission Date | October 1, 2017 |
| Published in Issue | Year 2017 Volume: 2 Issue: 24 |
