METHODS FOR IDENTIFICATION OF FRUIT QUALITY
Abstract
This article discusses various methods for identifying the quality of fruits in order to sort them. Along with the identification of quality by the organoleptic method using the human senses, methods of identification based on the mechanical, physical, chemical and electromagnetic properties of fruits by means of technical means are considered.
References
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.
Review
For citations:
Yurin A.N. METHODS FOR IDENTIFICATION OF FRUIT QUALITY. Mechanization and Electrification of Agriculture. 2023;1(56):134-140. (In Russ.)
Views: 135
Email this article 