طراحی الگوریتم هرس بوته انگور بر اساس پردازش تصاویر سه بعدی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکترای مکانیک بیوسیستم دانشگاه شهرکرد

2 عضو هیئت علمی گروه مکانیک بیوسیستم دانشگاه شیراز

چکیده

انجام هرس بوته­ی انگور با استفاده از ماشین­های هرس هوشمند و در واقع ربات­های هرس باعث کاهش نیروی کار مورد نیاز می گردد. در این پژوهش تلاش گردید الگوریتمی ارائه شود که با استفاده از رو­ش­ استریوویژن قادر به تشخیص نقاطی از بوته انگور که به منظور انجام هرس باید قطع گردند، باشد. تصاویر از باغ مرکز تحقیقات کشاورزی و منابع طبیعی استان فارس تهیه شدند. ابتدا بوته ها از زمینه جدا شدند سپس تنه اصلی و شاخه های یک ساله مشخص گردیدند و بر اساس ملاک های مورد نیاز برای هرس، شاخه های یک ساله هرس شدند. سپس اسکلت اصلی بوته مشخص شد. با استفاده از این اسکلت نقاط اتصال شاخه ها و تنه به دست آمد و فاصله مناسب بین شاخه ها از یکدیگر حفظ شد. سپس الگوریتم نوشته شده مورد ارزیابی قرار گرفت. نتایج ارزیابی الگوریتم نشان داد که الگوریتم نوشته شده دارای کارآیی مناسب می باشد و نقاط هرس بوته ها را به درستی مشخص می کند. دقت الگوریتم نوشته شده 2/97 درصد بود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Designing an algorithm for pruning grapevine based on 3D image processing

نویسندگان [English]

  • seyed mehdi hosseini 1
  • abdolabbas jafari 2
1
2 Accistant Professor , Biosystems Mechanical Engineering of Shiraz University
چکیده [English]

Using the intelligent pruning machine can be reduces the labor required for pruning. It was attempted in this study to develop an algorithm that uses stereo vision techniques to identify which parts of the grapevine should be cut. Photos were taken from gardens of the Research center for Agriculture and Natural Resources of Fars province. At first plants were segmented from the background then the main trunk and one year old branches were identified and pruned based on the criteria for pruning. Then the main skeleton of grapevine was determined. Using this skeleton, the attaching points of the branches were obtained as well as on the trunk. Distance between the branches was maintained. Then the algorithm has been evaluated, the evaluation results of algorithm showed that the proposed algorithm had acceptable performance and pruning point of the grapevines were correctly detected. The accuracy of the developed algorithm was 96.8 percent.

کلیدواژه‌ها [English]

  • Stereo Vision
  • image processing
  • Machine Vision
  • grape pruning
Ashraf, A. F. (2013). Stereo vision depth estimation algorithm in uncalibrated rectification. International Journal of video & image processing and network security. 13: 1-7.
Bouguet, J. Y. )2012(. Camera Calibration Toolbox for Matlab. Computational Vision at the California Institute of Technology. Available from: http://www.vision .caltech.edu/bouguetj/calib_doc/. Accessed 28 October 2012.
Creasy, G. L., and Creasy, L. L. (2009).  Grapes. CABI Publishing. 295 pages.
Dogi, B. (2005). Stereo Vision: A way of metering and metering systems overcome the problems in the current. Journal of Mechanical Engineering.
Heydari, A. (2010). Image Processing in MATLAB. Publisher BehAvaran. 288pages.
Khajehei, M. (2003). New method of planting vine. Alhora publications. 73 pages.
Kitamura, S., Oka, K. & Takeda, F. (2005). Development of Picking Robot in Greenhouse Horticulture. Nippon Kikai Gakkai Robotikusu, Mekatoronikusu Koenkai Koen Ronbunshu: 3176-1-3179.
Mahmoudzadeh, H., Rasouli, V., Ghorbanian, D. (2010). Effect of Some Training Systems on Vegetative Growth, Fruit Yield and Fruit Quality of Vitis vinifera cv. Sefid Bidaneh in Takestan Region. Seed and Plant Improvment Journal. 25(1): 373-387.
Mao,W., Baoping, Ji., Zhang, X., Zhan, j. & Xiaoan, Hu. (2009). Apple Location Method For the Apple Harvesting Robot. Image and Signal Processing: 1 - 5.
 
Mudenagudi, U. & Chaudhuri, S. (1999). Depth Estimation Using Defocused Stereo Image Pairs. Computer Vision 1: 483 – 488.
Nalpantidis, L., and A. Gasteratos. )2010(. Stereo vision for robotic applications in the presence of non-ideal lighting conditions. Image and Vision Computing 28: 940-951.
Porika, H., M. Jagadeesha., and M. Suchithra. (2015). Effect of pruning severity on quality of grapes Cv. red globe for summer season. Advances in crop science and technology. S1-400.
Rovira-Más, F., Han, S. Wei, j. & Reid, J. F. (2007). Autonomous Guidance of a Corn Harvester using Stereo Vision.  Agricultural Engineering International.
Shapiro, L. G., and Stockman, G. C. (2001). Computer Vision. Prentice-Hall. 580 pages.
Soni, D. P., Ranjana, M., Gokul, N. A., Swaminathan, S. & Nair, B. B. (2010). Autonomous Arecanut Tree Climbing and Pruning Robot. Emerging Trends in Robotics and Communication Technologies: 278-282.
Tanigaki, k., Fujiura, T., Akase, A. & Imagawac, J. (2008). Cherry-harvesting robot. Computers and Electronics In Agriculture 63: 65-72.
 Vannucci, D., Cini, E., Cioni, A. & Vmmi, m. (1990). A Prototype for the Fully Mechanized Winter Pruning of Grape Vines. Journal of Agricultural Engineering Research. 46: 1-11.
Zareh, Sh. (2005). The production and efficiency of grape Khorasan province. Agricultural Economic and Development.13. 279-306.