水果種類與熟成度辨識

Nov 08 2019

水果種類與熟成度辨識

水果種類與熟成度辨識

創作者:我來幫你撿

透過與裝置連接的相機,對於拍攝到的影像進行分類之後,再採用光譜分析功率分布的狀況,可以做到常人眼睛無法觀察的範圍,這是因為作物生長與紅外線的波段是有關的!而紅外線的波長由於通常較長,常人的眼睛無法看得到。 再者根據光譜分析的結果,可以對水果(好比芭樂)進行清脆、軟Q…等不同口感的分類,輔以非破壞性擠壓測試,對於水果(像是西瓜、香瓜…等)其含水量、厚實度…等作為比較,如此更容易挑選出更值得買的蔬果!

99

// 軟硬體架構

1. Intel OpenVino最強大的效果:影像分類,透過對各類水果先進行分類、標記,得知水果的種類 – 影像分類器Image classifier

2. 根據已經知道的分類再透過光譜感測器NanoLambda,對各個水果分類進行實體採樣,得知由400到1000 nm間以5 nm為間距的功率頻譜Power Spectrum強度數據,當作kNN的各分類之標準點,之後以距離計算的觀念,就能知道挑到的這個水果距離實際熟成樣本之間有多大的差別

3. 依據光譜分析求出的距離值,就可以對相同水果(好比芭樂)進行清脆、軟Q…等不同口感的分類,所以還能根據指定的水果進行口味挑選

4. 利用應變規產生形變的分析,對於水果(像是西瓜、香瓜…等)其含水量、果肉厚度…等進行過往紀錄比較,如此可以輔助挑選出更值得買的水果

// 成果照片及說明

緣起】
時常去到賣場或傳統市場,看到一大堆的蔬菜水果攤位,擺得琳瑯滿目;可是常見幾個困擾:

●這攤子到底有沒有賣我想要的?
●是找到我要的了,問題是…這熟成了沒有?沒熟成不好吃啊!
●這老闆娘好心推薦的,這到底是甚麼樣的水果?好吃嗎!?

這時候只要手上拿著『我來幫你撿』,阿宅都能變身水果採買大隊長!

【問題解析】
常見水果種類與熟程度判斷,大多依賴視覺跟聽覺,可以常常見到不少主婦在市場東看西看、拿起來敲聽看看。不過,這大多根據個人的經驗,無法能夠很容易地被傳承,甚至還很容易受到環境因素影響導致誤判

●依靠人眼視覺在種類辨識上是可行,但熟成度的辨認上就可能出現盲點,除因為環境上可能對視覺產生限制,甚至人類眼睛也會因為年齡增長而逐步退化;還有,先前傳出有不肖攤商濫竽充數,以添加劑、染色…等方式讓較便宜的水果看來像是已經熟成

●人類的耳膜、人類的手指都會隨年齡增長而退化,使得聽力與敲擊力道不一致,甚至也可能因為傳統市場環境過於吵雜,而無法準確聽到特定的頻段

●每個人口味習慣可能不同,例如同樣是芭樂:有的人愛吃清脆的,有的人愛吃稍微Q軟的,這也會影響到分類挑選的障礙,所以叫人幫忙挑,也未必能挑到你要的

【解決方案】
應該分為兩部分!針對視覺的辨認部分,應該分為影像分類、光譜分析兩者透過與裝置連接的相機,對於拍攝到的影像進行分類,但只知道是哪種水果而已。分類完成後,再由分類紀錄裡面找出對應的光譜分析紀錄來進行第二階段的比對!

●採用光譜分析的構想,來自於目前市面上有所謂的甜度計,大多數原理是透過光線在不同物質間行進的狀況,因為相對的速度改變,導致行進路線會有轉得角度,這就是常說的折射現象,但甜度計並非萬靈丹!畢竟由物理原理來看,甜度計其實是溶液的濃度測定計而已

●由光譜分布的狀況來進行分析,可以做到常人眼睛無法觀察的範圍,這是因為人類視覺的範圍僅介於380到780 nm左右,可是實際上,作物生長與紅外線的波段是有關係的!而紅外線的波長由於通常較長,常人的眼睛無法看得到

針對聽覺的部分,其實真正要達到測試水果是否札實,最容易的還是真的咬看看!因為像菜市場人多嘴雜,周遭噪音那麼大其實不容易聽清楚。因此,我們設計上是透過應變規Strain Gauge的運用,能夠用機械裝置以不破壞水果為力道的施力度,偵測因施力導致應變規微小的形變,可以被微控器偵測出來。如此一來就可以跟過往的形變紀錄比對,看看厚實程度上的差異

Latest posts by 我來幫你撿 (see all)

Leave a Reply

Your email address will not be published.

This site uses Akismet to reduce spam. Learn how your comment data is processed.

您的姓名 〈需填寫〉

您的電子郵件信箱 〈需填寫〉

主旨

您的信件內容