Ứng dụng xử lý ảnh phân loại chủng loại và kích thước quả mít, có code
Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (2.01 MB, 30 trang )
Ứng dụng xử lý ảnh phân loại chủng loại
và kích thước quả mít, có code.
1
ii
MỤC LỤC
DANH MỤC CÁC HÌNH VẼ...........................................................................................vii
DANH MỤC CÁC BẢNG BIỂU.....................................................................................viii
CHƯƠNG 1. TỔNG QUAN ĐỀ TÀI..................................................................................1
1.1 GIỚI THIỆU
1
1.1.1 Giới thiệu đề tài.......................................................................................................1
1.1.2 Mục đích nghiên cứu...............................................................................................2
1.1.3 Đối tượng nghiên cứu..............................................................................................2
1.1.4 Phạm vi nghiên cứu.................................................................................................2
1.1.5 Dự kiến kết quả.......................................................................................................2
CHƯƠNG 2. CƠ SỞ LÝ THUYẾT....................................................................................3
2.1 PHẦN MỀM HỖ TRỢ PYTHON
3
2.2 THƯ VIỆN HỖ TRỢ OPEN CV
5
2.3 ARUCO
6
2.4 TIÊU CHUẨN PHÂN LOẠI MÍT THÁI
7
2.5 HỆ SỐ
8
2.5.1 Hệ số sai lệch thực tế..............................................................................................8
2.5.2 Hệ số khối lượng.....................................................................................................8
CHƯƠNG 3. NGUYÊN LÝ HOẠT ĐỘNG CỦA HỆ THỐNG......................................9
3.1 HOẠT ĐỘNG TỔNG QUÁT CỦA HỆ THỐNG
9
3.2 NGUYÊN LÝ
10
3.3 LƯU ĐỒ GIẢI THUẬT
12
CHƯƠNG 4. THỰC NGHIỆM.........................................................................................13
4.1 TIẾN TRÌNH THỰC NGHIỆM
13
4.2 KẾT QUẢ THỰC NGHIỆM
15
CHƯƠNG 5. KẾT LUẬN...................................................................................................17
5.1 ƯU ĐIỂM
17
5.2 NHƯỢC ĐIỂM
18
vi
5.3 HƯỚNG PHÁT TRIỂN
19
CHƯƠNG 6. PHỤ LỤC......................................................................................................19
CHƯƠNG 7. TÀI LIỆU THAM KHẢO..........................................................................25
DANH MỤC CÁC HÌNH VẼ
Hình 1. Vườn mít của bà con nơng dân.................................................................1
Hình 2. Quy trình phân loại và cân mít.................................................................2
Hình 3. Logo phần mềm Python...........................................................................4
Hình 4. Logo thư viện Open CV...........................................................................6
Hình 5. Chức năng nhận diện phương tiện giao thơng Open CV..........................7
Hình 7. Đạt............................................................................................................ 8
Hình 8. Khơng đạt.................................................................................................8
Hình 9. Tiêu chuẩn phân loại theo hình Elip.........................................................9
Hình 10. hệ số chênh lệch được gán vào khối lượng quả......................................9
Hình 11. hệ số khối lượng được gán vào khối lượng quả......................................10
vii
Hình 12. Ảnh quả mít............................................................................................14
Hình 13. Các loại quả mít hình dáng khác nhau....................................................14
Hình 14. thực nghiệm lần 3 ..................................................................................15
Hình 15. thực nghiệm lần 4 ..................................................................................15
Hình 16. Thơng số tính tốn được ........................................................................16
Hình 17. Kết quả chiều dài ( 20 cm ) ...................................................................17
Hình 18. Kết quả chiều rộng ( 14 cm ).................................................................. 17
Hình 19. Khối lượng mít đo được trong thực tế ...................................................18
Hình 20. Xác định kích thước quả ngay khi còn ở trên cây ..................................19
DANH MỤC CÁC BẢNG BIỂU
Bảng 1. Các phiên bản Python đã phát hành.........................................................5
Bảng 2. Số liệu thu thập trong thực tế...................................................................10
viii
ĐỒ ÁN CHUYÊN NGÀNH
__________________________________________________________________________________________
CHƯƠNG 1.
TỔNG QUAN ĐỀ TÀI
1.1 Giới thiệu
1.1.1Giới thiệu đề tài
-
Đồ án xuất phát từ nhu cầu của hầu hết các vựa kinh doanh mít thái cũng
như bà con miền Tây có nhu cầu tiếp cận cơng nghệ trong nông nghiệp. Sử dụng xử lý
ảnh trong phân loại mít thái giúp cho bà con tiết kiệm được sức lực cũng như công lao
động cho giai đoạn xác định khối lượng, quan sát hình dáng vì nó hồn tồn tự động.
Sản phẩm phân loại mít tự động có năng suất cao, hoạt động liên tục và hạn chế sai
sót.
Hình 1. Vườn mít của bà con nơng dân
__________________________________________________________________________________________
Ứng dụng xử lý ảnh phân loại
chủng loại và kích thước mít
Trang 1 / 27
SVTH: Phòng Lai Khải Minh
ĐỒ ÁN CHUYÊN NGÀNH
__________________________________________________________________________________________
Hình 2. Quy trình phân loại và cân mít
1.1.2Mục đích nghiên cứu
- Khi nghiên cứu đề tài này em muốn vận dụng những sản phẩm công nghệ
khoa học tiên tiến áp dụng vào nông nghiệp nhằm nâng cao năng, chất lượng cũng như
giảm thiểu tối đa sức người trong sản xuất nông nghiệp cũng vừa là củng cố lại tất cả
kiến thức lý thuyết đã được học tập nghiên cứu tại trường.
1.1.3Đối tượng nghiên cứu
-
Đối tượng nghiên cứu :
• Nghiên cứu lập trình Python
• Nghiên cứu thư viện hỗ trợ Open CV
1.1.4Phạm vi nghiên cứu
-
Phạm vi nghiên cứu của đồ án nằm trong khuôn khổ của lập trình cũng như
một phần kiến thức đã được học.
1.1.5Dự kiến kết quả
-
Hệ thống hoạt động tốt sau khi hoàn thành
Hệ thống tính tốn được các thơng số cơ bản quả mít
Hệ thống có thể phân loại được quả mít theo các điều kiện định trước
__________________________________________________________________________________________
Ứng dụng xử lý ảnh phân loại
chủng loại và kích thước mít
Trang 2 / 27
SVTH: Phịng Lai Khải Minh
ĐỒ ÁN CHUYÊN NGÀNH
__________________________________________________________________________________________
CHƯƠNG 2.
CƠ SỞ LÝ THUYẾT
2.1 Phần mềm hỗ trợ Python
-
Python là một ngơn ngữ lập trình bậc cao cho các mục đích lập trình đa
năng, do Guido van Rossum tạo ra và lần đầu ra mắt vào năm 1991. Python được thiết
kế với ưu điểm mạnh là dễ đọc, dễ học và dễ nhớ. Python là ngôn ngữ có hình thức rất
sáng sủa, cấu trúc rõ ràng, thuận tiện cho người mới học lập trình và là ngơn ngữ lập
trình dễ học, được dùng rộng rãi trong phát triển trí tuệ nhân tạo. Cấu trúc của Python
cịn cho phép người sử dụng viết mã lệnh với số lần gõ phím tối thiểu. Vào tháng 7
năm 2018, van Rossum đã từ chức lãnh đạo trong cộng đồng ngôn ngữ Python sau 30
năm làm việc.
__________________________________________________________________________________________
Ứng dụng xử lý ảnh phân loại
chủng loại và kích thước mít
Trang 3 / 27
SVTH: Phòng Lai Khải Minh
ĐỒ ÁN CHUYÊN NGÀNH
__________________________________________________________________________________________
-
Python hoàn toàn tạo kiểu động và dùng cơ chế cấp phát bộ nhớ tự động; do
vậy nó tương tự như Perl, Ruby, Scheme, Smalltalk, và Tcl. Python được phát triển trong
một dự án mã mở, do tổ chức phi lợi nhuận Python Software Foundation quản lý.
- Ban đầu, Python được phát triển để chạy trên nền Unix. Nhưng rồi theo thời
gian,
Python
dần
mở
rộng
sang
mọi hệ
điều
hành từ MS-DOS đến Mac
OS, OS/2, Windows, Linux và các hệ điều hành khác thuộc họ Unix. Mặc dù sự phát triển
của Python có sự đóng góp của rất nhiều cá nhân, nhưng Guido van Rossum hiện nay
vẫn là tác giả chủ yếu của Python. Ông giữ vai trò chủ chốt trong việc quyết định
hướng phát triển của Python.
- Python luôn được xếp hạng vào những ngơn ngữ lập trình phổ biến nhất.
Hình 3. Logo phần mềm Python
Ứng dụng của Python:
• Python có thể được sử dụng trên một máy chủ để tạo các ứng dụng web.
• Nó có thể được sử dụng cùng với phần mềm để tạo quy trình cơng việc.
• Python có thể kết nối với các hệ thống cơ sở dữ liệu. Nó cũng có thể đọc và
sửa đổi các tập tin.
• Nó có thể được sử dụng để xử lý dữ liệu lớn và thực hiện phép tính phức
tạp.
• Python có thể được sử dụng để tạo mẫu nhanh hoặc phát triển phần mềm
sẵn sàng sản xuất.
- Cú pháp Python so với các ngơn ngữ lập trình khác: Python được thiết kế để
dễ đọc và có một số điểm tương đồng với ngôn ngữ tiếng Anh với ảnh hưởng từ tốn
học.
Nó sử dụng các dịng mới để hồn thành một lệnh, trái ngược với các ngơn ngữ
lập trình khác thường sử dụng dấu chấm phẩy hoặc dấu ngoặc đơn. Python dựa vào
__________________________________________________________________________________________
Ứng dụng xử lý ảnh phân loại
chủng loại và kích thước mít
Trang 4 / 27
SVTH: Phịng Lai Khải Minh
ĐỒ ÁN CHUYÊN NGÀNH
__________________________________________________________________________________________
thụt lề, sử dụng khoảng trắng, để xác định phạm vi, chẳng hạn như phạm vi của các
vòng lặp, hàm và các lớp.
Phiên bản
Ngày phát hành
Python 1.0
01/1994
Python 1.6
05/09/2000
Python 2.0
16/10/2000
Python 2.7
03/07/2010
Python 3.0
03/12/2008
Python 3.8.5
20/07/2020
Bảng 1. Các phiên bản Python đã phát hành
2.2 Thư viện hỗ trợ Open CV
-
OpenCV viết tắt của Open Source Computer Vision được xem là một trong
những thư viện mã nguồn mở hàng đầu cho việc xử lý ảnh theo thời gian thực.
OpenCV chính thức được ra mắt đầu tiên vào năm 1999, OpenCV là thư viện mã
nguồn mở miễn phí cho cả học thuật và thương mại. Thư viện có hơn 2500 thuật tốn
được tối ưu hóa.
Nền tảng hỗ trợ: Windows, Linux, Android và Mac OS, iOS, hỗ trợ ngơn
ngữ lập trình C/ C++, Python và Java.
- OpenCV được viết bằng C / C ++ và tích hợp OpenCL.
Hình 4. Logo thư viện Open CV
- Chức năng:
__________________________________________________________________________________________
Ứng dụng xử lý ảnh phân loại
chủng loại và kích thước mít
Trang 5 / 27
SVTH: Phịng Lai Khải Minh
ĐỒ ÁN CHUYÊN NGÀNH
__________________________________________________________________________________________
Bộ công cụ hỗ trợ 2D và 3D
Nhận diện khuôn mặt
Nhận diện cử chỉ
Nhận dạng chuyển động, đối tượng, hành vi,
Tương tác giữa con người và máy tính
Điều khiển Robot
Hỗ trợ thực tế tăng cường
Ứng dụng
Giám sát tự động
Tìm kiểm, phục hồi, xử lý ảnh
Nhận dạng khuôn mặt, cử chỉ.
Nhận dạng chữ viết, con số, ký tự.
-
Hình 5. Chức năng nhận diện phương tiện giao thông Open CV
2.3 Aruco
-
Các điểm đánh dấu Aruco được thể hiện như một bức tranh có thể cung cấp
thơng tin khi chuyển đổi vị trí của camera. Aruco sử dụng điểm đánh dấu nhị phân, có
nghĩa là hình ảnh vng và đen trắng. Các con dấu này hiện diện trong thư viện Aruco
và được lưu trữ dưới dạng nhị phân (binary). Sau khi tìm thấy các ứng cử viên con dấu
trên hình ảnh, một số điểm đánh dấu đặc biệt (ID điểm đánh dấu) được tìm thấy bằng
cách so sánh nó với thư viện và nó được trả về qua các chức năng được sử dụng. Trong
hệ thống con dấu Aruco được sử dụng là DICT_6x6_250 có kích thước thật là 5x5 cm.
__________________________________________________________________________________________
Ứng dụng xử lý ảnh phân loại
chủng loại và kích thước mít
Trang 6 / 27
SVTH: Phịng Lai Khải Minh
ĐỒ ÁN CHUYÊN NGÀNH
__________________________________________________________________________________________
Hình 6. Điểm đánh dấu Aruco 6x6_250
2.4 Tiêu chuẩn phân loại mít thái
-
-
Khối lượng
o Mít loại 1: từ 9kg trở lên
o Mít loại 2: từ 7kg đến 9kg
o Mít loại 3: dưới 7kg
Về hình dáng được xét theo tiêu chuẩn hình Elip ( điểm lõm vào nhiều nhất
của quả mít lớn hơn hoặc bằng 9/10 so với bán kính nhỏ nhất hình Elip ):
o Đạt: giữ ngun loại
o Khơng đạt: loại mít sẽ bị giảm đi 1
Hình 7. Đạt
-
Hình 8. Khơng đạt
Tổng hợp điều kiện khối lượng và hình dáng:
o Mít loại 1: từ 9kg trở lên + mít đạt điều kiện hình dáng
o Mít loại 2: từ 7kg đến dưới 9kg + mít đạt điều kiện hình dáng | từ
9kg trở lên + mít khơng đạt điều kiện hình dáng
o Mít loại 3: dưới 7kg | từ 7kg đến dưới 9kg + mít khơng đạt điều
kiện hình dáng
__________________________________________________________________________________________
Ứng dụng xử lý ảnh phân loại
chủng loại và kích thước mít
Trang 7 / 27
SVTH: Phịng Lai Khải Minh
ĐỒ ÁN CHUYÊN NGÀNH
__________________________________________________________________________________________
Hình 9. Tiêu chuẩn phân loại theo hình Elip
2.5 Hệ số
2.5.1 Hệ số sai lệch thực tế
-
Hệ số có giá trị 0.85, thơng số này được xác định thông qua cân đo trong
thực tế.
-
Trong hệ thống việc xác định khối lượng của qua mít thơng qua 1 camera
chỉ cho ra kết quả của hình ảnh 2 chiều, điều này là khơng hồn tồn chính xác. Do khi
xác định khối lượng thơng qua hình ảnh 2 chiều sẽ khác so với hình ảnh 3 chiều trong
thực tế. Hệ số chêch lệch thực tế làm giảm sự sai sót cho hệ thống. Hệ số này xuất hiện
tại Khoiluong tính khối lượng quả.
Hình 10. hệ số chênh lệch được gán vào khối lượng quả
2.5.2 Hệ số khối lượng
-
Hệ số khối lượng được xác định thông qua thu thập dữ kiện trong thực tế,
các số liệu bao gồm: chu vi của quả và khối lượng quả. Từ đó xác định hệ số bằng
cách tính tỉ lệ khối lượng và chu vi.
STT
Chu vi ( cm )
Khối lượng ( kg )
Hệ số ( cm/kg )
1
86
6,5
13,23
__________________________________________________________________________________________
Ứng dụng xử lý ảnh phân loại
chủng loại và kích thước mít
Trang 8 / 27
SVTH: Phịng Lai Khải Minh
ĐỒ ÁN CHUYÊN NGÀNH
__________________________________________________________________________________________
-
2
85
6,3
13,49
3
97
9
10,77
4
95
8,8
10,79
5
92
7,6
12,1
6
95
8,8
10.79
7
97
8,5
11,41
8
107
11
9,73
9
104
11
9,45
10
100
10
10
Bảng 2. số liệu thu thập trong thực tế
Trung bình các giá trị hệ số ta có giá trị hệ số khối lượng là 11,306.
Hình 11. hệ số khối lượng được gán vào khối lượng quả
CHƯƠNG 3.
NGUYÊN LÝ HOẠT ĐỘNG CỦA HỆ THỐNG
3.1 Hoạt động tổng quát của hệ thống
-
-
Hệ thống xử lý gồm:
• Máy tính xử lý
• Camera kết nối với máy tính
• Con dấu Aruco nhận diện vị trí camera
• Phơng nền ( trắng )
Cách thức hoạt động: quả mít được đưa vào khu vực nhận diện, camera sẽ
nhận diện và tính tốn :
__________________________________________________________________________________________
Ứng dụng xử lý ảnh phân loại
chủng loại và kích thước mít
Trang 9 / 27
SVTH: Phòng Lai Khải Minh
ĐỒ ÁN CHUYÊN NGÀNH
__________________________________________________________________________________________
• Chu vi quả : hệ thống nhận diện quả thông qua màu sắc khác biệt
giữa nền và quả, sau đó xác tâm và hình vẽ một hình elip xung quanh kết hợp
xử lý tính tốn để xác định chu vi quả.
• Hình dạng: nếu quả bị méo mó về hình dạng, hệ thống sẽ giảm loại
của quả đi 1.
• Khối lượng quả: thơng qua số liệu thu thập được từ thực tiễn, sau đó
số liệu được xử lý kết hợp với chu vi để xác định khối lượng tương đối của quả.
3.2 Nguyên lý
-
Sử dụng thư viện Open CV chuyển hình ảnh thu thập được thành ảnh xám,
sau đó ảnh được xử lý để tìm ra điểm khác biệt giữa màu quả mít và phơng nền để vẽ
thành các đường viền xung quanh quả mít.
- Tiếp tục xác định các thông số như chiều dài chiều rộng và tâm từ hình ảnh
vừa xử lý.
- Từ thơng số trên, tìm ra thơng số 2 bán kính và vẽ một hình elip xung quanh
quả mít để làm chuẩn
- Xác định các điểm xung quanh đường viền quả mít và tâm, sau đó tính độ
dài từ tâm đến các điểm đó.
- Lấy 1 điểm có độ dài nhỏ nhất để đem ra so sánh với độ dài bán kính nhỏ
nhất của hình lip. Nếu độ dài nhỏ nhất bé hơn 9/10 bán kính nhỏ nhất ( quả bị lõm ) thì
cho ra kết quả là kích thước khơng đạt và ngược lại nếu lớn hơn bằng 9/10 thì cho ra
kết quả là đạt.
- Các thơng số về kích thước tiếp tục được sử dụng cho việc tính chu vi hình
elip bao quanh quả mít. Sau đó từ chu vi tính được và các hệ số khối lượng, hệ số sai
lệch thực tế để tính ra khối lượng quả.
- Nếu thỏa điều kiện về khối lượng và hình dạng thì loại mít sẽ được giữ
nguyên, nếu thỏa điều kiện khối lượng nhưng khơng thỏa điều kiện hình dạng thì loại
mít sẽ bị trừ đi 1.
Xác định vị trí camera:
- Sử dụng thư viện Open CV để nhận diện loại con dấu Aruco. Tính ra tỉ lệ
pixel của con dấu và cm của kích thước thật của con dấu. Từ tỉ lệ này xác định kích
thước thật của vật thể bằng cách chia cho giá trị pixel quả mít. Điều này có nghĩa là
khi thay đổi vị trí camera sẽ làm thay đổi giá trị pixel của con dấu ( giá trị thực vẫn giữ
__________________________________________________________________________________________
Ứng dụng xử lý ảnh phân loại
chủng loại và kích thước mít
Trang 10 / 27
SVTH: Phịng Lai Khải Minh
ĐỒ ÁN CHUYÊN NGÀNH
__________________________________________________________________________________________
nguyên ), làm giá trị tỉ lệ thay đổi theo giúp ta xác định kích thước quả dù thay đổi vị
trí camera.
- Ví dụ khi camera di chuyển ra xa, pixel con dấu sẽ giảm kéo theo tỉ lệ sẽ
giảm, tỉ lệ này đem đi chia cho pixel quả mít làm kích thước thật quả mít tăng ngược
lại. Tương ứng khi đưa camera lại gần tỉ lệ sẽ tăng, tỉ lệ đem chia cho pixel quả làm
kích thước quả bé ngược lại để duy trì thơng số kích thước thật. Dưới đây là kích
thước con dấu được nhận diện thông qua hệ thống 2,46 và 2,44 tương đương 4,92 x
4,88 cm so với 5 x 5 cm kích thước chính xác của con dấu, tuy có sai lệch nhưng là ít.
__________________________________________________________________________________________
Ứng dụng xử lý ảnh phân loại
chủng loại và kích thước mít
Trang 11 / 27
SVTH: Phịng Lai Khải Minh
ĐỒ ÁN CHUYÊN NGÀNH
__________________________________________________________________________________________
3.3 Lưu đồ giải thuật
__________________________________________________________________________________________
Ứng dụng xử lý ảnh phân loại
chủng loại và kích thước mít
Trang 12 / 27
SVTH: Phòng Lai Khải Minh
ĐỒ ÁN CHUYÊN NGÀNH
__________________________________________________________________________________________
CHƯƠNG 4.
THỰC NGHIỆM
4.1 Tiến trình thực nghiệm
-
Thực nghiệm1: phân biệt quả mít trên hình ảnh, xác định các giá trị kích
-
Hình 12. Ảnh quả mít
Thực nghiệm 2: phân biệt trên nhiều loại mít khác nhau
-
Hình 13. Các loại quả mít hình dáng khác nhau
Thực nghiệm 3: kết nối với camera để nhận diện quả mít và con dấu aruco
thước
__________________________________________________________________________________________
Ứng dụng xử lý ảnh phân loại
chủng loại và kích thước mít
Trang 13 / 27
SVTH: Phịng Lai Khải Minh
ĐỒ ÁN CHUYÊN NGÀNH
__________________________________________________________________________________________
-
Hình 14. thực nghiệm lần 3
Thực nghiệm 4: hồn thiện tất cả chỉnh sửa
Hình 15. thực nghiệm lần 4
__________________________________________________________________________________________
Ứng dụng xử lý ảnh phân loại
chủng loại và kích thước mít
Trang 14 / 27
SVTH: Phịng Lai Khải Minh
ĐỒ ÁN CHUYÊN NGÀNH
__________________________________________________________________________________________
4.2 Kết quả thực nghiệm
-
Thực nghiệm 1: Kết quả thu được là nhận biết được quả mít, xác định được
tâm và 2 bán kính của hình elip xung quanh quả mít, kèm theo là hiển thị được giá trị
của 2 bán kính.
- Thực nghiệm 2: Kết quả thu được là nhận diện được từng loại mít với từng
giá trị khác nhau tương ứng mỗi loại.
- Thực nghiệm 3: Kết quả thu được là hệ thống nhận diện được con dấu aruco
và kích thước thật của quả mít hiển thị lên màn hình, kèm theo đó là các điều kiện đi
kèm như: kích thước 1, kích thước 2, bán kính nhỏ nhất trong 2 bán kính hình elip, độ
dài đoạn ngắn nhất của quả mít, khối lượng, tiêu chuẩn hình dạng và kết quả phân loại
cuối cùng.
Hình 16. Thơng số tính tốn được
__________________________________________________________________________________________
Ứng dụng xử lý ảnh phân loại
chủng loại và kích thước mít
Trang 15 / 27
SVTH: Phịng Lai Khải Minh
ĐỒ ÁN CHUYÊN NGÀNH
__________________________________________________________________________________________
Hình 17. Kết quả chiều dài ( 20 cm )
Hình 18. Kết quả chiều rộng ( 14 cm )
Thơng số kích thước từ camera: 10.21 x 7.28.
Thống số đo được: dài 20 cm, rộng 14 cm → 10 x 7.
→ Kết quả đo được và thực tế là khá giống nhau, tuy nhiên vẫn xảy ra sai
số.
Các thơng số cịn lại có xảy ra sai sót.
__________________________________________________________________________________________
Ứng dụng xử lý ảnh phân loại
chủng loại và kích thước mít
Trang 16 / 27
SVTH: Phịng Lai Khải Minh
ĐỒ ÁN CHUYÊN NGÀNH
__________________________________________________________________________________________
-
Thực nghiệm 4: Kết quả sau khi chỉnh sửa tồn bộ hệ thống, các thơng số
như chiều dài, rộng của quả theo hình elip là tương đối chính xác, kích thước đoạn nhỏ
nhất của quả mít tính từ tâm là tương đối chính xác. Việc nhận dạng tiêu chuẩn hình
dạng của quả là đúng. Tuy nhiên phần xác định khối lượng, sai số là có cho từng loại
mít khác nhau ( có một số loại có sai số đến 0,7 kg ), phạm vi đo của khối lượng từ 6kg
đến 10kg. Trong thực nghiệm quả có khối lượng 8,24 kg, trong thực tế với quả tương
ứng có khối lượng 7,8 kg ( chênh lệch 0,44 kg ).
Hình 19. Khối lượng mít đo được trong thực tế
CHƯƠNG 5.
KẾT LUẬN
5.1 Ưu điểm
-
Giúp phân biệt nhanh các loại mít
__________________________________________________________________________________________
Ứng dụng xử lý ảnh phân loại
chủng loại và kích thước mít
Trang 17 / 27
SVTH: Phòng Lai Khải Minh
ĐỒ ÁN CHUYÊN NGÀNH
__________________________________________________________________________________________
-
Hạn chế việc cân đo
Xác định hình dạng nhanh chóng dễ dàng
Có thể dùng để xác định kích thước quả ngay khi quả cịn trên cây
Hình 20. Xác định kích thước quả ngay khi cịn ở trên cây
5.2 Nhược điểm
-
Hệ thống có sai sót tuy nhiên điều này là khơng nhiều
Phụ thuộc vào màu nền phía sau
Phụ thuộc vào cường độ ánh sáng xung quanh
Phụ thuộc vào con dấu aruco để xác định vị trí camera
Hệ thống là cố định
Nếu phần lõm quả không hướng về camera thì việc xác định điều kiện hình
dạng là khơng đúng
__________________________________________________________________________________________
Ứng dụng xử lý ảnh phân loại
chủng loại và kích thước mít
Trang 18 / 27
SVTH: Phịng Lai Khải Minh
ĐỒ ÁN CHUYÊN NGÀNH
__________________________________________________________________________________________
5.3 Hướng phát triển
-
Phát triển thêm camera để xác định 3 chiều, sau đó tổng hợp tất cả các dữ liệu
-
từ nhiều camera để tăng độ chính xác cho hệ thống
Phát triển lên điện thoại đi động
Tối ưu hóa để dễ dàng nhận biết trong điều kiện ánh sáng khơng tốt
Tìm phương hướng hạn chế phụ thuộc vào con dấu
Thu thập thêm các dữ liệu từ người dùng để cải thiện thông số cho hệ thống
CHƯƠNG 6.
PHỤ LỤC
import cv2
class HomogeneousBgDetector():
def __init__(self):
pass
def detect_objects(self, frame):
# Chuyen anh thanh anh xam
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
__________________________________________________________________________________________
Ứng dụng xử lý ảnh phân loại
chủng loại và kích thước mít
Trang 19 / 27
SVTH: Phịng Lai Khải Minh
ĐỒ ÁN CHUYÊN NGÀNH
__________________________________________________________________________________________
# Tao nguong gioi han voi threshold
ADAPTIVE_THRESH_MEAN
mask = cv2.adaptiveThreshold(gray, 255,
cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY_INV, 19, 5)
# Tim duong vien
contours, _ = cv2.findContours(mask,
cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
objects_contours = []
#Ve duong vien theo doi tuong
for cnt in contours:
area = cv2.contourArea(cnt)
# DK ve duong vien
if area > 2000:
#Dung dk, vien duoc noi dai
#cnt = cv2.approxPolyDP(cnt,
0.03*cv2.arcLength(cnt, True), True)
objects_contours.append(cnt)
#Lap lai noi vien cho vat the
return objects_contours
# def get_objects_rect(self):
#
box = cv2.boxPoints(rect)
# cv2.boxPoints(rect)
for OpenCV 3.x
#
box = np.int0(box)
------------------------------------------------------------------------# Thu vien Open cv
import cv2
#Thu vien tinh toan
__________________________________________________________________________________________
Ứng dụng xử lý ảnh phân loại
chủng loại và kích thước mít
Trang 20 / 27
SVTH: Phịng Lai Khải Minh
