Kütle Duyarlı Elma Sınıflandırma Endüstriyel Otomasyon Tasarımı

Bu çalışmada, elmaların kütlesi göz önüne alınarak dört farklı sınıfa ayrılmasını sağlayan bir endüstriyel otomasyon sistemi geliştirilmiştir. Çalışmada, elmaların kütlesinin oluşturduğu ağırlık kuvveti, yük hücresi tarafından ölçülmüştür. Ölçülen bu büyüklük Programlanabilir Mantıksal Denetleyici (PLC)’de yazılan algoritma yardımı ile elmaların dört farklı kütle sınıfına ayrılmasında kullanılmıştır. Bununla birlikte geliştirilen SCADA yazılımı sayesinde, kütlesine göre elma sınıflandırma endüstriyel otomasyon sisteminin işleyişi görüntülenerek, kontrol ve kumanda edilmesi sağlanmıştır. Tasarlanan sistem ile Golden, Starking ve Jonagold türü elmalar kütlelerine göre toplamda dört sınıfa ayrılarak incelenmiştir. 720 elma üzerinde yapılan incelemede elmaların belirlenen ağırlık sınıflarına göre doğru bir şekilde ayrıştırıldığı görülmüştür

Anahtar Kelimeler:

Endüstriyel Otomasyon, Yük hücresi, SCADA, PLC, Elma

Kütle Duyarlı Elma Sınıflandırma Endüstriyel Otomasyon Tasarımı

In this study, an industrial automation system is developed which enables the apples to be grouped into four by considering their masses. In the study, the force of gravity of the apples’ masses is scaled with a load cell. The scaled quanta is used for grouping the apples into four different mass classes via the algorithm written with PLC (Programmable Logic Controller). By means of SCADA software developed industrial automation system of the grouping the apples according to their masses are scanned as well as controlled and commanded. With the designed system Golden, Starking and Jonagold apples are examined in four categories according to their masses. After examining 720 apples, apples are observed to be grouped correctly according to the defined mass classes

Keywords:

Industrial Automation, Load cell, SCADA, PLC, Apple,

PDF

___

Kurtulan S. (2003). PLC ile Endüstriyel Otomasyon. Birsen yayın evi, 3.Baskı, sf:1
Aydogmus Z. (2009). Implementation of a Fuzzy-based level control using SCADA. Expert Systems with Applications, 36, 6593-6597
Faostat. (2011). http://faostat.fao.org adresinden 31.10.2011 tarihinde alınmıştır.
Leemans V., Destain M. F. (2004). A real-time grading method of apples based on features extracted from defects. Journal of Food Engineering, 61(1), 83–89
Li Q., Wang M., Gu W. (2002). “Computer vision based system for apple surface defect detection”, Computers and Electronics in Agriculture, 36(2), 215–223
Wen Z., Tao Y. (1999). Building rule-based machine vision system for defect inspection on apple sorting and packing lines, Expert Systems with Applications, 16, 307–313
Kavdır İ., Guyer D.E. (2008). Evaluation of different pattern recognition techniques for apple sorting. Biosystems Engineering, 99, 211 – 219
Unay D., Gosselin B. (2007). Stem and calyx recognition on ‘Jonagold’ apples by pattern recognition. Journal of Food Engineering, 78, 597–605
Tekin Y., Editör: Öztaş K. (1995). Tarım Alet ve Makinaları. Anadolu Üniversitesi Yayın no:861 4.Baskı, sf:314-315
Daneels A., Salter W. (1999). What is Scada?. Proceeding of the 7th international conference on Accelerator and large Experimental Physics Control Systems Trieste. Italy,1-2