Analyse et classification de la qualité des grains à l’aide de techniques de traitement d’images

Analyse et classification de la qualité des grains à l'aide de techniques de traitement d'images

Un projet de dernière année sur « Analyse et classification de la qualité des grains à l’aide de techniques de traitement d’images » soumis par Nikhil Gaikwad (de l’Institut de technologie et de recherche Bhivrabai Sawant de JSPM, Wagholi Pune) à extrudesign.com.

Analyse et classification de la qualité des grains à l'aide de techniques de traitement d'images

Abstrait

Plus de la moitié de la population mondiale consomme du riz chaque jour et satisfait plus de 21% des besoins calorifiques de la population mondiale. Il est considéré comme un grain entier riche en fibres et contient 80% de protéines, de phosphore et de potassium. Il existe des centaines de variétés de riz différentes et chaque grain de riz a une forme, une texture et une saveur uniques qui le rendent parfait pour certains plats. La qualité du riz entre les différents types a des normes différentes. Par conséquent, vous devez sélectionner le riz de la meilleure qualité car le riz de la meilleure qualité est non seulement bon pour la consommation mais aussi bon pour la santé. L’analyse manuelle d’échantillons de céréales est une tâche fastidieuse et chronophage. L’article présente la solution à l’analyse et au classement des grains de riz à l’aide de techniques de traitement d’images. La réduction d’image, l’amélioration de l’image et l’incrémentation de l’image, la reconnaissance d’objets dans le domaine spatial sont appliquées grain par grain de différents échantillons de riz pour déterminer sa taille, sa couleur et sa qualité dans son ensemble pour classer le grain de riz. Nous trouvons les extrémités de chaque grain et après nous mesurons la longueur et la largeur des grains de riz.

Mots-clés – Calibrage, Grain de riz, Qualité, Traitement de l’image, Évaluation du grain, Paramètres du riz

Introduction

La qualité peut être définie comme les caractéristiques et caractéristiques combinées d’un produit ou d’un service pour satisfaire des besoins déclarés ou implicites. La qualité des grains est une combinaison de nombreux facteurs tels que l’odeur (arôme), la taille, les caractéristiques de cuisson, la couleur, la valeur nutritionnelle et le pourcentage de grains entiers. Sur le marché du riz, un déterminant clé du riz usiné est la qualité. La mesure de la qualité devient plus importante avec le commerce d’importation et d’exportation. Les échantillons de riz contiennent différents objets inutiles comme le paddy, la paille, les grains endommagés, les graines de mauvaises herbes, les pierres, etc. La qualité du riz varie en fonction de cette teneur en impuretés.

La forme des grains de riz est évaluée avec la longueur, la largeur et le rapport entre la longueur et la largeur des grains de riz. À l’heure actuelle, la longueur et la largeur des grains de riz sont généralement mesurées par un inspecteur à l’aide d’une règle ou d’un micromètre. Pour mesurer la qualité des échantillons de grains, l’examinateur doit prélever quelques graines de l’échantillon et procéder à l’analyse. Mais pour mesurer la longueur et la largeur de même quelques graines, les placer dans le plateau à un grain et mesurer la longueur et la largeur de chaque graine une par une, est une tâche très fastidieuse et prend beaucoup de temps.

L’objectif principal de la méthode proposée est d’offrir un moyen alternatif pour le contrôle de la qualité et l’analyse qui réduisent l’effort, le coût et le temps requis. Le traitement d’images est un domaine technologique important et avancé où des développements importants ont été réalisés. La vision industrielle et le traitement d’images sont largement utilisés dans la recherche biologique et agricole avec l’amélioration de la technologie informatique et une réduction significative du coût du matériel et des logiciels d’imagerie numérique. De nombreuses recherches ont appliqué la vision artificielle pour estimer l’inspection de la qualité de l’apparence du riz.

L’objectif principal de la méthode proposée est d’offrir un moyen alternatif pour le contrôle de la qualité et l’analyse qui réduisent l’effort, le coût et le temps requis. Le traitement d’images est un domaine technologique important et avancé où des développements importants ont été réalisés. Le traitement d’image manipule l’image pour effectuer certaines opérations sur l’image ciblée afin d’obtenir une image améliorée et souhaitable. Et extraire des informations précieuses de l’image d’entrée. De nos jours, le traitement d’images est une technologie en pleine croissance. Tous les types de données doivent passer par trois phases générales tout en utilisant la technique DIP qui sont le pré-traitement, l’amélioration et l’affichage, l’extraction d’informations.

II. Objectifs

L’objectif du projet est de détecter efficacement la qualité du riz. Le projet vise à réduire les efforts, les coûts et le temps. Ici, le système doit effectuer les opérations suivantes :

  • Utilisation d’algorithmes de traitement d’images pour analyser la qualité des grains par leur taille et leur forme.
  • Analyser et classer la qualité des grains de riz.

III. Système proposé pour le traitement d’images

La qualité du riz n’est pas toujours facile à définir car elle dépend du consommateur et de l’utilisation finale prévue pour le grain. Tous les consommateurs veulent la meilleure qualité qu’ils peuvent se permettre. À mesure que les pays atteignent l’autosuffisance en matière de production de riz, la demande des consommateurs pour un riz de meilleure qualité a augmenté. La longueur, la largeur et le rapport longueur-largeur sont mesurés en utilisant une technique de traitement d’image en comptant et en classant les grains de riz sur la même base. La longueur est la longueur moyenne du grain de riz tandis que la largeur est la largeur moyenne du grain de riz et le rapport longueur-largeur est calculé comme suit :

L/B = [(Average length of rice grain)/ (average breadth of rice)] *dix.

Dans la première étape, le pré-traitement de l’image est effectué. Ici, l’enregistrement de l’image a lieu et le bruit est supprimé de l’image à l’aide du filtre. Algorithme de retrait utilisé pour segmenter les noyaux qui se touchent, ce qui constitue la deuxième étape. Dans la troisième étape, nous effectuons une détection des contours pour trouver la région des limites. Cela se fait à l’aide d’un algorithme astucieux. Dans la quatrième étape, la mesure des graines de riz est effectuée et dans la même étape, la longueur, la largeur et le rapport longueur-largeur sont également mesurés. Dans la cinquième étape de l’algorithme, le riz est classé selon sa taille et sa forme qui est la dernière étape.

Méthodes

Pré-traitement des images :

L’image est capturée à l’aide d’une caméra couleur et stockée dans l’espace colorimétrique RVB. Le filtre est appliqué pour supprimer le bruit qui se produit lors de l’acquisition de l’image et également pour affiner l’image. L’algorithme de seuil est utilisé pour segmenter les grains de riz à partir du fond noir.

Opération morphologique de retrait :

L’érosion et la dilatation sont des opérations de traitement d’images morphologiques. L’érosion implique la suppression des pixels sur les bords de la région. La dilatation est le processus inverse avec des régions qui sortent de leurs frontières. L’érosion est appliquée pour séparer les caractéristiques touchantes des grains de riz sans perdre l’intégrité d’une seule caractéristique. Le processus de dilatation suit le processus d’érosion. L’objectif de la dilatation est de ramener les éléments érodés à leur forme d’origine sans rejoindre les éléments séparés.

Détection des contours :

La détection des contours est utilisée pour détecter l’emplacement et la présence de contours en modifiant l’intensité d’une image. La détection des bords aide à découvrir la région des limites des grains de riz. Nous utilisons un algorithme astucieux pour détecter les bords. L’algorithme astucieux peut segmenter les grains de riz à partir du fond noir.

Mesure de l’objet :

La mesure d’objet est utilisée pour compter le nombre de grains de riz. Après avoir obtenu le nombre de grains de riz, des algorithmes de détection de contour sont appliqués à l’image. L’algorithme appliqué donne les valeurs finales de chaque grain. Nous utilisons un pied à coulisse pour joindre les extrémités et mesurer la valeur de la longueur et de la largeur de chaque grain. Après avoir obtenu la valeur de la longueur et de la largeur, nous pouvons calculer le rapport longueur-largeur.

Classement des objets :

Tous les résultats standard, mesurés et calculés sont requis pour la classification des objets. La base de données standard pour la mesure de la taille et de la forme du riz provient du manuel de laboratoire sur la qualité des grains de riz, Direction de la recherche sur le riz, Rajendra Nagar, Hyderabad. La classification des grains de riz selon la base de données standard est indiquée dans les tableaux suivants. Le tableau ci-dessous indique la classification des grains de riz sur la base de la longueur et du rapport longueur-largeur :

Classification des grains de riz en utilisant le traitement d’images

Long Svelte (LS) Longueur 6 mm et plus, rapport L/B 3 et plus
Court Svelte (SS) Longueur inférieure à 6 mm, rapport L/B de 3 et plus
Moyen Svelte (MS) Longueur inférieure à 6 mm, rapport L/B 2,5 à 3,0
Long Gras (LB) Longueur 6 mm et plus, rapport L/B inférieur à 3
Gras court (SB) Longueur inférieure à 6 mm, rapport L/B inférieur à 2,5

IV. Résultats et discussions

L’analyse de la qualité du riz a été effectuée sur la base de paramètres tels que la longueur, la largeur et le rapport longueur-largeur. Si de la poussière est présente, elle est également identifiée. En outre, la classification est effectuée dans des catégories telles que Slender, Medium, Bold et Round.

V. Conclusion

Les algorithmes d’analyse d’images sont appliqués sur des images dans lesquelles des grains de riz sont placés au hasard et étalés en une couche avec un fond noir. S’il y a des noyaux en contact, l’opération de retrait fonctionne efficacement pour séparer la partie connectée des noyaux en contact ponctuel. La détection des bords est effectuée pour découvrir la région des limites et des extrémités de chaque grain. Ensuite, en utilisant un pied à coulisse, la longueur et la largeur peuvent être mesurées. Après avoir obtenu les valeurs de longueur et de largeur, le rapport longueur-largeur doit être calculé.

L’utilisation d’un algorithme de traitement d’image est une meilleure méthode pour l’analyse des grains de riz par son calcul de longueur et de largeur. Les avantages du traitement d’image sont qu’il s’agit d’une technique simple avec moins de temps et de coûts tout en donnant de meilleurs résultats que le travail manuel. Les résultats sont satisfaisants.

Les références

  1. Nagoda, Nadeesha et Lochandaka Ranathunga. « Segmentation et classification des échantillons de riz à l’aide du traitement d’images et de la machine à vecteurs de support. » En 2018, IEEE 13th International Conference on Industrial and Information Systems (ICIIS), pp.179-184. IEEE, 2018.
  2. Kolkure, VS et BN Shaikh. « Identification et test de qualité du grain de riz à l’aide du traitement d’images et du réseau de neurones. » Journal international des tendances récentes en ingénierie et recherche (IJRTER) (2017).
  3. Parveen, Zahida, Muhammad Anzar Alam et Hina Shakir. « Évaluation de la qualité du grain de riz à l’aide d’une technique de traitement optique et d’image. » En 2017 Conférence Internationale sur la Communication, l’Informatique et les Systèmes Numériques (CCODE), pp. 265-270. IEEE, 2017.
  4. Ali, Syed Farooq, Halima Jamil, Razia Jamil, Iqra Torij et Saira Naz. « Solution à faible coût pour l’analyse de la qualité du riz à l’aide de paramètres morphologiques et sa comparaison avec les mesures standard. » En 2017 International Multitopic Conference (INMIC), pp. 1-6. IEEE, 2017.
  5. Vishnu, Devraj, Gunjan Mukherjee et Arpitam Chatterjee. « Une approche de vision par ordinateur pour l’identification du grade du son de riz. » En 2017, Troisième conférence internationale sur la recherche dans les réseaux d’intelligence informatique et de communication (ICRCICN), pp. 10-14. IEEE, 2017.
  6. Pratibha, Nikhade, More Hemlata, M. Krunali et ST Khot. « Analyse et identification des granules de riz à l’aide du traitement d’images et d’un réseau de neurones. » Département d’électronique et de télécommunications, Collège d’ingénierie pour femmes de Bharati Vidyapeeth (2017).
  7. Philippe, Teresa Mary et HB Anita. « Classification des grains de riz à l’aide de la transformée de Fourier et des caractéristiques morphologiques. » Indian Journal of Science and Technology 10, no. 14 (2017) : 1-Rapport17.
  8. Manohar, M., K. Chatrapathy et MS Sowmya. « Détection intelligente de la pureté du riz et de son classement. » En 2017, 3rd International Conference on Applied and Theoretical Computing and Communication Technology (iCATccT), pp. 7173. IEEE, 2017.

Crédit: Ce projet est réalisé par Vijay Sonawane1, Nikhil Gaikwad2, Hrushikesh Mandekar3, Kishore Baradkar4, Chetan Gunjal5 de Département de génie informatique, Institut de technologie et de recherche Bhivrabai Sawant de JSPM, Wagholi Pune.