• Proceedings of the Korean Statistical Society Conference
• /
• 2003.10a
• /
• pp.143-148
• /
• 2003

본 논문에서는 통계적 방법에 기초한 사과 선별시스템을 이용하여 사과의 색깔을 식별하고자 한다. 이를 위해 T-검정을 이용하여 에지를 검출하였고 검출된 에지로부터 체인코드를 이용하여 사과 영상의 경계선과 환상대 영역을 구하였다. 우리는 주어진 사과영상의 환상대 영역으로부터 R, G, B 채널상에서 히스토그램과 평균 명암값을 구하여 색깔 판정용 표준사과로부터 얻은 기준값들과 비교함으로서 사과의 색깔을 식별하였다.

• Horticultural Science & Technology
• /
• v.17 no.2
• /
• pp.127-130
• /
• 1999

This study was attempted to develop the algorithm for recognizing fruits acquired from apple tree images with digital camera in sunlight. As the result of L*a*b* color transformation for reducing the effect of sunlight, a* and b* color index were effective to extract apple pixels in tree images and linear discrimination functions with color index a* b* were developed. To recognize fruits from apple pixels, those were classified into 4 patterns according to clustering condition and morphologically filtered. Test results showed that apple fruits unoccluded were exactly recognized, whereas apple fruits occluded with leaves and trunk were miscounted 2 apples on average.

• Journal of IKEEE
• /
• v.28 no.2
• /
• pp.150-157
• /
• 2024

In this paper, we propose a novel algorithm for predicting the number of apples on an apple tree using a deep learning-based object detection model and a polynomial regression model. Measuring the number of apples on an apple tree can be used to predict apple yield and to assess losses for determining agricultural disaster insurance payouts. To measure apple fruit load, we photographed the front and back sides of apple trees. We manually labeled the apples in the captured images to construct a dataset, which was then used to train a one-stage object detection CNN model. However, when apples on an apple tree are obscured by leaves, branches, or other parts of the tree, they may not be captured in images. Consequently, it becomes difficult for image recognition-based deep learning models to detect or infer the presence of these apples. To address this issue, we propose a two-stage inference process. In the first stage, we utilize an image-based deep learning model to count the number of apples in photos taken from both sides of the apple tree. In the second stage, we conduct a polynomial regression analysis, using the total apple count from the deep learning model as the independent variable, and the actual number of apples manually counted during an on-site visit to the orchard as the dependent variable. The performance evaluation of the two-stage inference system proposed in this paper showed an average accuracy of 90.98% in counting the number of apples on each apple tree. Therefore, the proposed method can significantly reduce the time and cost associated with manually counting apples. Furthermore, this approach has the potential to be widely adopted as a new foundational technology for fruit load estimation in related fields using deep learning.

• 건강소식
• /
• v.33 no.12
• /
• pp.44-45
• /
• 2009

직원들의 평균연령 30대 초반, 젊음과 패기가 있어 하루하루를 열정으로 장식하는 지부가 있다. 교통의 중심이자 과학과 기술의 메카로 성장하고 있는 대전에 위치한 대전 충남지부 영상검사과가 그 주인공이다. 고된 일이라는 산 하나를 넘을 때마다 한 뼘씩 성장하는 것이 '일의 매력'이라고 자부하는 그들의 이야기가 지금 시작된다.

• Smart Media Journal
• /
• v.12 no.10
• /
• pp.19-28
• /
• 2023

In the fruit harvesting field, interest in automatic robot harvesting is increasing due to various seasonality and rising harvesting costs. Accurate apple detection is a difficult problem in complex orchard environments with changes in light, vibrations caused by wind, and occlusion of leaves and branches. In this paper, we introduce a dataset and an adaptive heatmap regression model that are advantageous for robot automatic apple harvesting. The apple dataset was labeled with not only the apple location but also the visibility. We propose a method to detect the center point of an apple using an adaptive heatmap regression model that adjusts the Gaussian shape according to visibility. The experimental results showed that the performance of the proposed method was applicable to apple harvesting robots, with MAP@K of 0.9809 and 0.9801 when K=5 and K=10, respectively.

• Food Science and Preservation
• /
• v.7 no.4
• /
• pp.357-361
• /
• 2000

Watercore influences storage and distribution industry of fruit. Therefore, the technique for nondestructive discrimination of watercore fruit is needed. This work reports about the possibility of watercore discrimination of ante using transmitted light, and the effects of various factors. CCD camera was used to capone images of each apple fruit. An excess watercore apples were higher light transmission score than little watercore apples. The accuracy fur discrimination of watercore apple was about 70% using transmitted light. Peel thickness, anthocyanin layer thickness and density of apple affected the light transmission. Apples having thin peel, thin pigment layer and low density tended to high transmitted light score. Apples of good color degree were more probability of existence watercore than ones of bad color degree. But color distribution of apple peel was not correlated with watercore.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2008.06a
• /
• pp.33-38
• /
• 2008

최근 컴퓨터비전이나 로봇 공학 분야에서 가격이 저렴한 웹캠을 이용한 영상, 즉 2차원 영상으로부터 물체를 인식하는 연구가 활발히 이루어지고 있다. 이러한 로봇이나 비전에서 물체를 찾아내는 여러 가지 방향들이 제시되고 있으며, 지속적으로 로봇은 사람과 유사해져가고 있다. 이를 실현하기 위해서는 사람이 사과를 보고 사과라고 알기 때문에 사과라고 인식하듯이 로봇 또한 미리 알고 있어야 한다는 가정 하에 내용기반의 물체인식이 필요하다. 그러나 엄청난 양의 내용의 데이터베이스가 필요하다. 그래서 용량은 하드웨어기술로 커버가 가능하지만 화면상에 있는 물체들을 빠르게 데이터베이스상의 자료와 매칭이 되어야한다. 본 논문에서는 이미지를 SIFT(Scale Invariant Feature Transform)알고리즘으로 BTS(Binary Search Tree)로 트리구조의 데이터베이스를 구축하여 많은 양의 데이터베이스 중 빠르게 검색하여 화면에 있는 물체를 인식하는 방법을 제안하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• pp.297-298
• /
• 2024

펜데믹, 전쟁 등을 포함한 국제 정세 변화에 따른 물류대란, 원자재가격 상승 및 환율 급등으로 인해 2023년 기준 대한민국의 물가는 크게 오르고 있는 추세이다. 물가 상승은 사업장의 인건비 부담 증가로 이어지고 있고 특히 노동 집약 산업인 농업 분야에서의 인건비 부담 문제는 더욱 심각한 실정이다. 외국인 근로자 고용이 대안이 될 수 있지만 인건비 절감 효과는 미미하기에 농업계 관계자들은 자동화 시스템 도입에 관심이 집중되고 있다. 따라서, 본 논문에서는 사과 분류 작업 자동화 체계의 핵심 요소에 해당하는 사과 품질 실시간 모니터링 시스템을 제안한다. 제안한 방식에서는 딥러닝 기반의 영상 분석 기법 및 무게 센서 데이터 분석을 통해 사과의 품질에 따른 등급 책정을 자동화 한다.

• Proceedings of the Korean Society of Postharvest Science and Technology of Agricultural Products Conference
• /
• 1996.10a
• /
• pp.25-25
• /
• 1996

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.11a
• /
• pp.547-550
• /
• 2003

본 논문은 카메라로 획득한 배의 표면과 꼭지 영상을 입력으로 하여 RBF 신경망 기반 분류기를 사용하여 양호한 배인지 아닌지를 판별하는 판별기의 설계에 대해 설명한다. 먼저 입력 영상에서 배경을 분리시킨 후 배만을 포함하는 영상을 얻고 이 영상에서 윤곽선과 같은 여러 가지 특징들을 추출한 후 미리 대량의 표면 영상과 꼭지 영상으로 훈련시킨 두 개의 RBF 신경망 기반 분류기를 사용하여 배의 상태를 판별한다. 구현되는 세부 모듈을 과일 종류에 맞게 수정한다면 제안되는 방법을 사과, 참외와 같은 다른 과일에도 적용할 수 있을 것이다.