DEVELOPMENT OF AN ARTIFICIAL NEURAL NETWORK ARCHITECTURE OF A TECHNICAL VISION SYSTEM FOR SORTING APPLES
Abstract
The article is devoted to the relevance of creating a technical tool for automating the apple sorting process, in particular, its main element – a technical vision system. The article presents the rationale for the method of training an artificial neural network (ANN) for fruit defects, proposes its architecture for solving this problem, substantiates the criteria for assessing the accuracy and completeness of defect recognition, and also presents the results of the operation of a technical vision system (VS) using the proposed ANN.
The developed technical vision system was introduced into the LSP-4 apple sorting and packaging line, which successfully passed acceptance tests and production inspection at Ostromechevo OJSC, Brest region. During acceptance tests of the LSP-4 line, it was found that it ensures sorting accuracy by size of 75.4 %, by the presence of defects – 73.1 % and labor productivity – 1.8 t/h.
References
1. Гурьянов, Д. В. Распознавание качества плодов / Д.В. Гурьянов // Робототехника в сельскохозяйственных технологиях : материалы Междунар. науч.-практ. конф., 10–12 нояб. 2014 г. / Мичур. гос. аграр. ун-т. – Мичуринск, 2014. – С. 177–182.
2. 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.
3. Лакомов, Д. В. Обработка изображений при распознавании образов сельскохозяйственной продукции / Д. В. Лакомов // Цифровизация агропромышленного комплекса : сб. науч. ст. I Междунар. науч.-практ. конф., Тамбов, 10–12 окт. 2018 г. : в 2 т. / Тамб. гос. техн. ун-т [и др.]. – Тамбов, 2018. – Т. 1. – С. 261–263.
4. 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.
5. 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.
6. Гурьянов, Д. В. Повышение эффективности сортирования яблок на основе цветных телевизионных датчиков : дис. ... канд. техн. наук: 05.20.02/ Д. В. Гурьянов. – Мичуринск, 2004. – 199 с.
7. Ganganagowdar, N.V. An intelligent computer vision system for vegetables and fruits quality inspection using soft computing techniques / N. V. Ganganagowdar, A. V. Gundad // Agr. Engineering Intern.: Agr. Engineering Intern.: CIGR J. – 2019. – Vol. 21, N 3. – P. 171–178.
8. Lu, Y. Development of a multispectral Structured Illumination Reflectance Imaging (SIRI) system and its application to bruise detection of apples / Y. Lu, R. Lu // Trans. of the ASABE. – 2017. – Vol. 60, N 4. – P. 1379–1389.
9. Новые технологии и технические средства для механизации работ в садоводстве / И. М. Куликов [и др.]. – М.: ФГБНУ «Росинформагротех», 2012. – 164 с.
10. Training deep face recognition systems with synthetic data / A. Kortylewski [et al.] // Cornell University Library [Электронный ресурс]. – 2018. – Режим доступа: https://arxiv.org/pdf/1802.05891.pdf. – Дата доступа: 16 April 2018.
11. Чигорин, А. Классификация автодорожных знаков на основе сверточной нейросети, обученной на синтетических данных / А. Чигорин, Б. Моисеев // The 22nd International Conference on Computer Graphics and Vision, Москва, Россия, 1–5 октября 2012 г. – С. 284–287.
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. Huang, J. Speed/accuracy trade-offs for modern convolutional object detectors [Electronic resource] / J. Huang // Cornel University Library [Электронный ресурс]. – 2016. – Mode of access: https://arxiv.org/pdf/1611.10012.pdf. – Date of access: 04.06.2019.
15. Протокол приемочных испытаний технологической линии сортировки и фасовки яблок ЛСП-4 : № 004 1/3-2022. – Введ. 25.02.2022. – п. Привольный : ГУ «Белорусская МИС».
Review
For citations:
Yuryn A.N. DEVELOPMENT OF AN ARTIFICIAL NEURAL NETWORK ARCHITECTURE OF A TECHNICAL VISION SYSTEM FOR SORTING APPLES. Mechanization and Electrification of Agriculture. 2024;1(57):81-87. (In Russ.)
Views: 72
Email this article 