مراجعة: التحليل المقارن لتقنيات الرؤية الحاسوبية للكشف عن العيوب وتصنيفها في الموز والتفاح
محتوى المقالة الرئيسي
الملخص
يعد اكتشاف وتصنيف هذه العيوب في الموز والتفاح باستخدام تقنيات الرؤية الحاسوبية أمرًا بالغ الأهمية لمراقبة الجودة وعمليات الفرز وضمان رضا المستهلك. ومن خلال تحديد هذه العيوب وتصنيفها بدقة، يمكن للمنتجين وتجار التجزئة اتخاذ التدابير المناسبة لتقليل الهدر، والحفاظ على جودة المنتج، وتعزيز قابلية تسويق الفواكه بشكل عام. تقدم هذه المراجعة ملخصًا شاملاً للدراسات الحديثة التي استخدمت تقنيات الرؤية الحاسوبية لتحديد وتصنيف العيوب في الموز والتفاح. وهو يبحث على وجه التحديد في الفروق بين الثمرتين من حيث النتائج التي تم الحصول عليها من استخدام أساليب رؤية الكمبيوتر المماثلة. يسلط البحث الذي تمت مراجعته الضوء على فعالية التقنيات المختلفة، مثل آلات الدعم المتجهة، وطرق التعلم العميق، وخوارزميات التعلم الآلي، في الكشف الدقيق عن العيوب في كل من الموز والتفاح. ومن خلال تحليل النتائج التي تم الحصول عليها من هذه التقنيات، تهدف المراجعة إلى الكشف عن أي أنماط أو اختلافات متناقضة بين الثمرتين. في النهاية، يقدم هذا البحث رؤى قيمة حول الخصائص والتحديات الفريدة المرتبطة باكتشاف العيوب في الموز والتفاح باستخدام طرق الرؤية الحاسوبية.
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
المراجع
L. Zhu and P. Spachos, “Food grading system using support vector machine and yolov3 methods,” in 2020 IEEE Symposium on Computers and Communications (ISCC). IEEE, 2020, pp. 1–6.
D. T. Dat, N. D. X. Hai, and N. T. Thinh, “Detection and classification defects on exported banana leaves by computer vision,” in 2019 International Conference on System Science and Engineering (ICSSE).IEEE, 2019, pp. 609–613.
N. O. Salim, S. R. Zeebaree, M. A. Sadeeq, A. Radie, H. M. Shukur, and in Journal of Physics: Conference Series, vol. 1963, no. 1. IOP Publishing, 2021, p. 012014.
A. Athiraja and P. Vijayakumar, “Banana disease diagnosis using computer vision and machine learning methods,” Journal of Ambient
Intelligence and Humanized Computing, vol. 12, no. 6, pp. 6537–6556,2021.
M.-H. Hu, Q.-L. Dong, P. K. Malakar, B.-L. Liu, and G. K. Jaganathan,“Determining banana size based on computer vision,” International journal of food properties, vol. 18, no. 3, pp. 508–520, 2015.
M. K. Tripathi and D. D. Maktedar, “A role of computer vision in fruits and vegetables among various horticulture products of agriculture fields: A survey,” Information Processing in Agriculture, vol. 7, no. 2, pp. 183–
, 2020.
R. Mahendran, G. Jayashree, and K. Alagusundaram, “Application
of computer vision technique on sorting and grading of fruits and
vegetables,” J. Food Process. Technol, vol. 10, pp. 2157–7110, 2012.
S. Chopde, M. Patil, A. Shaikh, B. Chavhan, and M. Deshmukh,
“Developments in computer vision system, focusing on its applications in quality inspection of fruits and vegetables-a review,” Agricultural Reviews, vol. 38, no. 2, pp. 94–102, 2017.
N. Ismail and O. A. Malik, “Real-time visual inspection system for
grading fruits using computer vision and deep learning techniques,”
Information Processing in Agriculture, vol. 9, no. 1, pp. 24–37, 2022.
L. Fu, Z. Yang, F. Wu, X. Zou, J. Lin, Y. Cao, and J. Duan, “Yolo-banana: A lightweight neural network for rapid detection of banana bunches and stalks in the natural environment,” Agronomy, vol. 12, no. 2,p. 391, 2022.
N. Mohammadi Baneh, H. Navid, and J. Kafashan, “Mechatronic
components in apple sorting machines with computer vision,” Journal of Food Measurement and Characterization, vol. 12, no. 2, pp. 1135–1155, 2018.
Q. Wang, S. Nuske, M. Bergerman, and S. Singh, “Automated crop yield estimation for apple orchards,” in Experimental robotics. Springer, 2013, pp. 745–758.
S. Bargoti and J. P. Underwood, “Image segmentation for fruit detection and yield estimation in apple orchards,” Journal of Field Robotics, vol. 34, no. 6, pp. 1039–1060, 2017.
Z. Wang, L. Jin, S. Wang, and H. Xu, “Apple stem/calyx real-time
recognition using yolo-v5 algorithm for fruit automatic loading system,” Postharvest Biology and Technology, vol. 185, p. 111808, 2022.
Y. Abbaspour-Gilandeh, A. Aghabara, M. Davari, and J. M. Maja, “Feaisibility of using computer vision and artificial intelligence techniques in detection of some apple pests and diseases,” Applied Sciences, vol. 12, no. 2, p. 906, 2022.
M. M. Tanco, G. Tejera, and M. Di Martino, “Computer vision based system for apple detection in crops.” in VISIGRAPP (4: VISAPP), 2018, pp. 239–249.
S. Cardenas-P ´ erez, J. Chanona-P ´ erez, J. V. M ´ endez-M ´ endez, G. Calderon-Dom ´ ´ınguez, R. Lopez-Santiago, M. J. Perea-Flores, and I. Arzate-Vazquez, “Evaluation of the ripening stages of apple (golden delicious) by means of computer vision system,” Biosystems Engineering, vol. 159, pp. 46–58, 2017.
B. Zhang, N. Guo, J. Huang, B. Gu, and J. Zhou, “Computer vision
estimation of the volume and weight of apples by using 3d reconstruction and noncontact measuring methods,” Journal of Sensors, vol. 2020, 2020.
Q. Li, M. Wang, and W. Gu, “Computer vision based system for apple surface defect detection,” Computers and electronics in agriculture, vol. 36, no. 2-3, pp. 215–223, 2002.
P. Moallem, A. Serajoddin, and H. Pourghassem, “Computer vision-based apple grading for golden delicious apples based on surface features,” Information processing in agriculture, vol. 4, no. 1, pp. 33–40, 2017.
A. Al-Marakeby, A. A. Aly, and F. A. Salem, “Fast quality inspection of food products using computer vision,” International Journal of Advanced Research in Computer and Communication Engineering [1], vol. 2, 2013Y. Yorozu, M. Hirano, K. Oka, and Y. Tagawa, “Electron spectroscopy studies on magneto-optical media and plastic substrate interface,” IEEE Transl. J. Magn. Japan, vol. 2, pp. 740–741, August 1987 [Digests 9th Annual Conf. Magnetics Japan, p. 301, 1982]. M. Young, The Technical Writer’s Handbook. Mill Valley, CA: University Science, 1989.
Yang, L., Cui, B., Wu, J., Xiao, X., Luo, Y., Peng, Q., & Zhang, Y. (2024). Automatic Detection of Banana Maturity—Application of Image Recognition in Agricultural Production. Processes, 12(4), 799.
Zheng, J., Zhang, Y., & Wang, Y. (2024). Research on apple detection and maturity assessment based on computer vision technology. Highlights in Science, Engineering and Technology, 101, 423-431.