Обоснование способа определения качества плодов при их сортировке

В данной статье рассмотрены различные методы идентификации качества плодов с целью их сортировки. На ряду с идентификацией качества органолептическим методом с использованием органов чувств человека рассмотрены способы идентификации на основе механических, физических, химических и электромагнитных свойств плодов с помощью технических средств.

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.