Justification of the method for determining the quality of fruits during their sorting

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.

1. Казакевич, П. П. Садоводство Республики Беларусь: проблемы и перспективы развития / П. П. Казакевич, А. Н. Юрин // Земледелие и растениеводство. – 2020. – № 6. – С. 3–7.

2. Механизация трудоемких процессов в садоводстве: офиц. сайт РУП «НПЦ НАН Беларуси по механизации сельского хозяйства» / А. Н. Юрин, Д. А. Жданко. – Мн., 2018–2025. – URL: https://belagromech.by/articles/mehanizatsiya-trudoemkih-protsessov-v-sadovodstve/ (дата обращения: 30.04.2024).

3. Казакевич, П. П. Система технического зрения распознавания дефектов яблок: обоснование, разработка, испытание / П. П. Казакевич, А. Н. Юрин, Г. А. Прокопович // Весці Нацыянальнай акадэміі навук Беларусі. Серыя аграрных навук. – 2021. – Т. 59. – № 4. – C. 488–500.

4. Кирина, М. В. 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., Мичуринск, 10–12 ноября 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 производства. – 1989. – № 9. – С. 23–25.

6. Гурьянов, Д. В. Повышение эффективности сортирования яблок на основе цветных телевизионных датчиков: дис. ... канд. техн. наук: 05.20.02 / Гурьянов Дмитрий Валерьевич; Мичуринский ГАУ. – Мичуринск, 2004. – 199 л.

7. Рудник, Ю. А. Робототехническая система для сортирования яблок / Ю. А. Рудник, С. В. Журавлев // Робототехника в сельскохозяйственных технологиях: материалы Междунар. науч.- практ. конф., Мичуринск, 10–12 ноября 2014 г. / Мичуринский гос. аграр. ун-т. – Мичуринск, 2014. – С. 32–34.

8. Хорт, Д. О. 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/ N. V. Ganganagowdar, A. V. Gundad // Agricultural Engineering International. 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/ Y. Lu; R. Lu // Transactions of the ASABE. – 2017. – Vol. 60. – № 4. – P. 1379–1389.

11. Kortylewski, A. Training deep face recognition systems with synthetic data / A. Kortylewski [et al.] // Cornell University Library. – 2018. – URL: 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 // Соременная наука: теория, методология, практика: материалы III Всерос. (нац.) науч.-практ. конф., Тамбов, 12–14 апреля 2021 г. / Тамб. гос. техн. ун-т ; редкол.: В. П. Монастырев [и др.]. – Тамбов, 2021. – С. 291–296.

13. Балабанов, П. В. Роботизированный комплекс для сортировки яблок / П. В. Балабанов [и др.] // Цифровизация агропромышленного комплекса: сб. матер. II Междунар. науч.-практ. конф., Тамбов, 21–23 октября 2020 г.: в 2 т. / Тамб. гос. техн. ун-т. – Тамбов, 2020. – Т. 2. – С. 44–47.

14. Mehl P. M. Detection of defects on selected apple cultivars using hyperspectral and multispectral image analysis/ P. M. Mehl [et al.] // Appl. Engineering in Agricultural. – 2002. – Vol. 18. – № 2. – P. 219–226.

15. Li, C. Genetic algorithms (GAs) and evolutionary strategy to optimize electronic nose sensor selection / С. Li, P. H. Heinemann, P.M. Reed // Transactions of the ASABE. – 2008. – Vol. 51. – № 1. – P. 321–330.