МЕТОДЫ ИДЕНТИФИКАЦИИ КАЧЕСТВА ПЛОДОВ
Аннотация
В данной статье рассмотрены различные методы идентификации качества плодов с целью их сортировки. Наряду с идентификацией качества органолептическим методом с использованием органов чувств человека рассмотрены способы идентификации на основе механических, физических, химических и электромагнитных свойств плодов посредством технических средств.
Список литературы
1. Старовойтов, В. И. Автоматизация контроля качества картофеля, овощей и плодов / В. И. Старовойтов, А. М. Башилов, А. Л. Андержанов. – М.: Агропромиздат, 1987. – 197 с.
2. Юрин, А. Механизация трудоемких процессов в садоводстве [Электронный ресурс] / А. Юрин, Д. Жданко // Научно-практический центр Национальной академии наук Беларуси по механизации сельского хозяйства. – Режим доступа: https://belagromech.by/articles/mehanizatsiya-trudoemkih-protsessov-v-sadovodstve/. – Дата доступа: 30.04.2018.
3. Казакевич, П. П. Система технического зрения распознавания дефектов яблок: обоснование, разработка, испытание / П. П. Казакевич, А. Н. Юрин, Г. А. Прокопович // Вес. Нац. акад. навук Беларусі. Сер. аграр. навук. – 2021. – Т. 59, № 4. – С. 488–500.
4. Применение методов люминесцентного анализа в системах технического зрения при сортировании плодов / М. В. Кирина [и др.] // Робототехника в сельскохозяйственных технологиях : материалы Междунар. науч.-практ. конф., 10–12 нояб. 2014 г. / Мичур. гос. аграр. ун-т. – Мичуринск, 2014. – С. 188–191.
5. Бобров, В. П. Применение систем технического зрения / В. П. Бобров // Механизация и автоматизация пр-ва. – 1989. – № 9. – С. 23–25.
6. Гурьянов Д. В. Повышение эффективности сортирования яблок на основе цветных телевизионных датчиков : автореф. дис. … канд. техн. наук : 05.20.02 / Д.В. Гурьянов. – Мичуринск, 2004. – 37 с.
7. Рудник, Ю. А. Робототехническая система для сортирования яблок / Ю. А. Рудник, С. В. Журавлев // Робототехника в сельскохозяйственных технологиях : материалы Междунар. науч.-практ. конф., 10–12 нояб. 2014 г. / Мичур. гос. аграр. ун-т. – Мичуринск, 2014. – С. 32–34.
8. Разработка алгоритмов системы распознавания ягод земляники садовой при роботизированном сборе /Д. О. Хорт [и др.] // Электротехнологии и электрооборудование в АПК. – 2020. – № 1 (38). – С. 133–141.
9. Ganganagowdar, N. V. An intelligent computer vision system for vegetables and fruits quality inspection using soft computing techniques [Интеллектуальная система компьютерного зрения для проверки качества и сортировки плодов и овощей на основе мягких вычислений (нейронная сеть с обратной связью и вероятностная нейронная сеть). Индия] / N. V. Ganganagowdar, A. V. Gundad // Agr. Engineering Intern.: CIGR J. – 2019. – Vol. 21, № 3. – P. 171–178.
10. Lu, Y. Development of a multispectral Structured Illumination Reflectance Imaging (SIRI) system and its application to bruise detection of apples [Разработка мультиспектральной системы визуализации отраженного изображения (SIRI) и ее применение для обнаружения повреждений яблок. (США)] / Y. Lu, R. Lu // Trans. of the ASABE. – 2017. – Vol. 60, N 4. – P. 1379–1389.
11. Training deep face recognition systems with synthetic data [Electronic resource] / A. Kortylewski [et al.] // Cornell University Library. – Mode of access: https://arxiv.org/pdf/1802.05891.pdf. – Date of access: 16.04.2018.
12. Жиркова, А. А. Автоматизированная система гиперспектрального контроля дефектов яблок / А. А. Жиркова, П. В. Балабанов, А. Г. Дивин // Современная наука: теория, методология, практика : материалы III Всерос. (нац.) науч.-практ. конф., Тамбов, 13–14 апр. 2021 г. / Тамб. гос. техн. ун-т ; редкол.: П. В. Монастырев [и др.]. – Тамбов, 2021. – С. 291–296.
13. Роботизированный комплекс для сортировки яблок / П. В. Балабанов [и др.] // Цифровизация агропромышленного комплекса : сб. науч. ст. II Междунар. науч.-практ. конф., Тамбов, 21–23 окт. 2020 г. : в 2 т. / Тамб. гос. техн. ун-т [и др.]. – Тамбов, 2020. – Т. 2. – С. 44–47.
14. Применение методов люминесцентного анализа в системах технического зрения при сортировании плодов / М. В. Кирина [и др.] // Робототехника в сельскохозяйственных технологиях : материалы Междунар. науч.-практ. конф., 10–12 нояб. 2014 г. / Мичур. гос. аграр. ун-т. – Мичуринск, 2014. – С. 188–191.
15. Detection of defects on selected apple cultivars using hyperspectral and multispectral image analysis [Разработка и лабораторные испытания простой мультиспектральной системы для обнаружения дефектов на поверхности яблок трех сортов. (США)]. P.M. Mehl [et al.] // Appl. Engineering in Agriculture. – 2002. – Vol. 18, N 2. – P. 219–226.
16. Li, C. Genetic algorithms (GAs) and evolutionary strategy to optimize electronic nose sensor selection [Генетические алгоритмы и стратегия развития выбора оптимальных сенсоров «электронного носа» к определению дефектов яблок. (США)] / C. Li, P. H. Heinemann, P. M. Reed // Trans. of the ASABE. – 2008. – Vol. 51, N 1. – P. 321–330.
Рецензия
Для цитирования:
Юрин А.Н. МЕТОДЫ ИДЕНТИФИКАЦИИ КАЧЕСТВА ПЛОДОВ. Механизация и электрификация сельского хозяйства. 2023;1(56):134-140.
For citation:
Yurin A.N. METHODS FOR IDENTIFICATION OF FRUIT QUALITY. Mechanization and Electrification of Agriculture. 2023;1(56):134-140. (In Russ.)
Просмотров: 136
Послать статью по эл. почте 