AĞAÇTAKİ KİRAZIN TESPİT EDİLMESİ

Bu çalışmada kiraz hasadı esnasında kiraz üreticilerinin yaşadıkları zorluklar incelenmiştir. Kiraz üreticilerinden edinilen bilgiler doğrultusunda görüntü işleme metodu ile kiraz üreticilerinin yaşadığı kirazın yerinin tespiti problemine çözüm getirilmiştir. Kiraz hasat zamanı çok kısa olan bir meyvedir. Ağaçların bulunduğu arazinin elverişsizliği nedeniyle, kiraz hasat işleminde insan gücünden çok tam mekanize otonom sistemlerin kullanılması üreticilerin hasat yapmalarını kolaylaştırabilir. Kiraz toplama işleminin detayları değerlendirildiğinde böyle bir otonom makinenin, kirazın tespit edilmesi, tespit edilen kirazın koordinatlarının belirlenmesi ve belirlenen koordinattan kirazın koparılması gibi üç ardışık problemi çözmesi gerektiği görülmüştür. Bu çalışmada bu problemlerden ilki olan kirazın tespit edilmesi ile ilgili bir uygulama görüntü işleme yöntemi ile tasarlanmıştır. Görüntü işleme işlemi için kontrolcü kartı olarak Raspberry Pi 3 kartı kullanılmış, yazılım kanadında ise C yazılım dili, QT Creator derleyicisi ve OpenCV kütüphanesinden yararlanılmıştır. Sonuç olarak, yüksek ters ışık olmadığı durumlarda ağaçta hasat edilecek olgunluğa ulaşan kirazın tespiti %100 başarı ile sağlanmıştır. Ancak yüksek ters ışık olduğu durumlarda sistem kiraz olduğundan daha koyu gördüğünden dolayı tespit edememiştir.

Anahtar Kelimeler:

Kiraz Toplama, Akıllı Kiraz toplama makinesi, görüntü işleme

DETECTION OF CHERRY ON TREE ABSTRACT

In this study, the difficulties of the cherry producers during the cherry harvesting were investigated. In the view of the information obtained from the producers of cherries, the problem of determining the location of the cherries, where the cherries are located, has been solved by the image processing method. Cherry is a fruit that has a very short harvest time. Because of the unfavorable nature of the land where the trees are located, the use of autonomous systems in the cherry harvesting process can make it easier for the harvesters to harvest. When the details of the cherry picking process are evaluated, it has been seen that such an autonomous machine should solve three successive problems, such as determining the cherry, determining the coordinates of the cherry and breaking the cherry in the determined chord. In this study, an application related to the detection of the cherry which is the primary of these problems is designed with image processing method. As a controller, Raspberry Pi 3 card is used for image processing and in software side, C software language, QT Creator compiler and OpenCV library are used. As a result, when there is no high backlight, the detection of the cherry, that reaches the harvestable level, in the tree has been achieved with 100% success. However, in the case of high backlight, the system could not detect it because it was darker than the cherry

Keywords:

Cherry picking, Intelligent cherry picking machine, image processing,

PDF

___

1. Erişti E., 2010, “Görüntü İşlemede Yeni Bir Soluk, OPENCV”, Bilişim’10 - XII. Akademik Bilişim Konferansı Bildirileri Muğla Üniversitesi
2. Hewitt R., 2007, “Seeing with OpenCV
3. Sol , 2015, “Detect red circles in an image using OpenCV”
4. Eminoğlu, Öztürk, Acar, Kalıkara, 2015, “Meyve Hasadında Kullanılan Hasat Platformlarının Çalışma Koşullarının İyileştirilmesi Yönünden Değerlendirilmesi”
5. Gıda Tarım ve Hayvancılık Bakanlığı Bitkisel üretim Genel Müdürlüğü, Mart 2017, “Bügem Faliyetleri”
6. http://www.tuik.gov.tr/PreTablo.do?alt_id=1001
7. Shahab T, Matin P, Shahram L, 2017, “A Raspberry-Pi Prototype of Smart Transportation”
8. Mimoun B, Zied L, 2017, “Emotion recognition system based on physiological signals with Raspberry Pi III implementation”
9. M. J. Allen; I. M. Coulson; N. E. Gough; Q. Mehdi, 1999, "Classifying coloured objects under different lighting conditions using the HSV colour model and a neural network"
10. H. Dasari; C. Bhagvati, 2007, “Identification of Non-Black Inks Using HSV Colour Space”
11. Smit T; Hemant M, 2016, "Food detection on plate based on the HSV color model"
12. Yue Y; Zhu J, 2017, "Algorithm of fingerprint extraction and implementation based on OpenCV"
13. Nagarasu B; Manimegalai M, 2016, "Automatic irrigation and worm detection for peanut field using Raspberry pi with OpenCV"
14. Frazer K. N, 2016, "Comparison of OpenCV's feature detectors and feature matchers"
15. M. Michalko; J. Onuška; A. Lavrín; D. Cymbalák; O. Kainz, 2016, "Tracking the object features in video based on OpenCV"
16. Helen B; Mikhail S, 2015, "CAMFT — the program for simulation of an ion bunch dynamics in external magnetic field with parallel computing"
17. https://doc.xdevs.com/doc/RPi/pi3-block-diagram-rev4.png
18. https://www.raspberrypi.org/products/raspberry-pi-3-model-b/
19. http://charlestonpcworx.tripod.com/id1.html
20. https://stackoverflow.com/questions/10948589/choosing-correct-hsv-values-for-opencv-thresholding-with-inranges