Multi-angle Volume Detection and Grading of ‘Cuiguan’ Pear Based on OpenCV

doi:10.11924/j.issn.1000-6850.casb2023-0212

Abstract

Abstract:

In order to improve the intelligence and efficiency of ‘Cuiguan’ pear size detection and grading, the research on ‘Cuiguan’ pear size detection and grading was conducted based on OpenCV machine vision technology from multiple perspectives. On the self-developed image acquisition system test platform, 100 images of ‘Cuiguan’ pear were collected from multiple angles as test samples. Based on the images, Python language and OpenCV computer vision library programming were used to solve the pixel values of the single angle size of ‘Cuiguan’ pear. Then the fruit size pixel values were calculated from multiple angles. To verify the effect of grading, ‘Cuiguan’ pear were graded according to the local standards of Fujian Province and compared with the traditional weight grading method. The test results show that using machine vision technology to detect and grade the fruit size from multiple angles based on the ‘Cuiguan’ pear image is an intelligent grading method with certain feasibility, reaching a grading accuracy of 97%. The research results can provide technical reference for the size grading method of ‘Cuiguan’ pear based on machine vision.

Key words: ‘Cuiguan’ pear, image, OpenCV, grading

LIU Xian, CHEN Junsheng, ZHAO Yuhui. Multi-angle Volume Detection and Grading of ‘Cuiguan’ Pear Based on OpenCV[J]. Chinese Agricultural Science Bulletin, 2023, 39(22): 152-157.

Figures/Tables 8

References 32

[1]	盛宝龙, 蔺经, 程进, 等. 套袋对翠冠梨果实外观色泽及糖、酸含量的影响[J]. 江西农业大学学报, 2010, 32(4):705-709.
[2]	杨晓平, 胡红菊, 田瑞, 等. 翠冠梨新梢与果实生长发育动态及相关性研究[J]. 湖北农业科学, 2009, 48(12):3050-3052.
[3]	黄秀玲, 郑加强, 赵茂程. 水果分级支撑技术的研究进展[J]. 南京林业大学学报(自然科学版), 2007, 31(2):123-126.
[4]	MON T O, ZARAUNG N. Vision based volume estimation method for automatic mango grading system[J]. Biosystems engineering, 2020, 198(10):338-349. doi: 10.1016/j.biosystemseng.2020.08.021 URL
[5]	李江波, 黄文倩, 张保华, 等. 类球形水果表皮颜色变化校正方法研究[J]. 农业机械学报, 2014, 45(4):226-230.
[6]	何文斌, 魏爱云, 明五一, 等. 基于机器视觉的水果品质检测综述[J]. 计算机工程与应用, 2020, 56(11):10-16. doi: 10.3778/j.issn.1002-8331.2001-0248
[7]	GHAZAL S, QURESHI W S, KHAN U S, et al. Analysis of visual features and classifiers for fruit classification problem[J]. Computers and electronics in agriculture, 2021, 187(8):106267.
[8]	周海英, 化春键, 方程骏. 基于机器视觉的梨表面缺陷检测方法研究[J]. 计算机与数字工程, 2013, 41(9):1492-1494.
[9]	田有文, 吴伟, 卢时铅, 等. 深度学习在水果品质检测与分级分类中的应用[J]. 食品科学, 2021, 42(19):260-270.
[10]	杨再雄, 吴恋, 左建, 等. 基于人工智能的农产水果分级检测技术综述[J]. 科技创新与应用, 2021(22):41-43.
[11]	崔巍, 高珏, 朱培逸, 等. 基于机器视觉的金桔大小分级研究[J]. 常熟理工学院学报(自然科学), 2012, 26(4):87-90.
[12]	韩伟, 曾庆山. 基于计算机视觉的水果直径检测方法的研究[J]. 中国农机化, 2011(5):25-29.
[13]	邓婉, 高珏, 朱培逸, 等. 基于机器视觉的水果的自动分级系统的设计[J]. 农产品学刊, 2012(10):154-156.
[14]	胡发焕, 刘国平, 胡瑢华, 等. 基于机器视觉和支持向量机的脐橙品质分级检测[J]. 北京工业大学学报, 2014(11):1615-1620.
[15]	李国进, 董第永, 陈双. 基于计算机视觉的芒果检测与分级研究[J]. 农机化研究, 2015(10):13-18.
[16]	黄辰, 费继友. 基于图像特征融合的苹果在线分级方法[J]. 农业工程学报, 2017, 33(1):285-291.
[17]	刘鸿飞, 黄敏敏, 赵旭东, 等. 基于机器视觉的温室番茄裂果检测[J]. 农业工程学报, 2018, 34(14):170-176.
[18]	刘忠超, 盖晓华. 基于机器视觉和PLC的猕猴桃分级控制系统设计[J]. 中国农机化学报, 2020, 41(6):131-135.
[19]	赵小霞, 李志强. 基于PLC和机器视觉的水果自动分级系统研究[J]. 农机化研究, 2021(8):75-79.
[20]	杨小强. 机器视觉与PLC融合的自动分拣装置研究[J]. 农机化研究, 2022(2):237-240.
[21]	饶剑, 吕自玉. 基于机器视觉的类球形水果外部品质分级方法研究[J]. 农机化研究, 2022(5):63-65.
[22]	SAAD F S A, IBRAHIM M F, SHAKAFF A Y, et al. Shape and weight grading of mangoes using visible imaging[J]. Computers and electronics in agriculture, 2015, 5(6):51-56.
[23]	NAIK S, PATEL B. Machine vision based fruit classification and grading- A review[J]. International journal of computer applications, 2017, 170(9):27-34. doi: 10.5120/ijca2017914892 URL
[24]	CHANG L Y, HE S P, LIU Q, et al. Quantifying muskmelon fruit attributes with A-TEP-based model and machine vision measurement[J]. Journal of agricultural sciences, 2018(6):1369-1379.
[25]	GONGAL A, KARKEE M, AMATYA S. Apple fruit size estimation using a 3D machine vision system[J]. Agricultural information processing, 2018(4):498-503.
[26]	ISMAIL N, MALIK O A. Real-time visual inspection system for grading fruits using computer vision and deep learning techniques[J]. Agricultural information processing, 2022(1):24-37.
[27]	三明市经济作物技术推广站, 建宁县经济作物站, 宁化县经济作物站, 等. GB 35/760—2007,翠冠梨鲜果[S]. 福建: 福建省质量技术监督局, 2007:1-4.
[28]	HETLAND Magnus Lie. Python基础教程(第三版)[M]. 北京: 人民邮电出版社, 2020:1-458.
[29]	JOE Minichino, JOSEPH Howse. OpenCV3计算机视觉Python语言实现[M]. 北京: 机械工业出版社, 2016:1-181.
[30]	田有文, 吴伟, 卢时铅, 等. 深度学习在水果品质检测与分级分类中的应用[J]. 食品科学, 2021, 42(19):260-268.
[31]	张正周, 李娟, 郑旗, 等. 计算机视觉技术在农产品加工业中的应用研究进展[J]. 农业与技术, 2014, 34(1):34-36.
[32]	刘现, 杨航, 李健翔, 等. 基于图像的金桔重量预测方法研究[J]. 中国农学通报, 2022, 38(34):138-143. doi: 10.11924/j.issn.1000-6850.casb2022-0377

样本号	质量/g	样本号	质量/g
1	285.29	12	254.76
31	269.32	46	269.20
58	255.64	62	233.45
74	284.10	87	230.61
93	256.72	100	244.01

样本号	质量/g	样本号	质量/g
1	285.29	12	254.76
31	269.32	46	269.20
58	255.64	62	233.45
74	284.10	87	230.61
93	256.72	100	244.01

样本号	等级	样本号	等级
1	特级	12	特级
31	特级	46	特级
58	特级	62	一级
74	特级	87	一级
93	特级	100	一级

样本号	等级	样本号	等级
1	特级	12	特级
31	特级	46	特级
58	特级	62	一级
74	特级	87	一级
93	特级	100	一级

样本号	正上方		侧前方		右侧方		像素平均值/px
样本号	图像	像素值/px	图像	像素值/px	图像	像素值/px	像素平均值/px
1		131708		117560		123450	124239
12		120729		109281		111249	113753
31		123326		115864		121601	120264
46		124854		112934		116184	117990
58		120000		110209		115199	115136
62		111248		102478		104679	106135
74		128252		118527		123610	123463
87		103676		100421		104124	102740
93		120145		111641		117394	116393
100		109175		105057		108019	107417