엑스선 밀도 분석을 통한 농산물 선별 시스템 개발
Development of Agricultural Products Screening System through X-ray Density Analysis
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
농산물 선별 시스템은 작물의 형태를 보전하기 위하여 비파괴적인 선별이 주로 사용된다. 이러한 비파괴 선별 기술로는 가시광선, 근적외선, 엑스선, 감마선 등의 광학적 특성을 이용하고 있으며 본 논문에서는 엑스선을 이용한 선별을 이용한다. 엑스선 영상은 엑스선의 밀도에 따라 그레이 영상으로 생성되어 육안으로 시료의 결함을 감지하기가 어렵다. 미세한 결함을 발견하기 위해서는 영상을 확대하거나 픽셀의 범위를 수정하여 적정한 픽셀의 영역만을 표시하여 결함을 탐지해야 한다. 이런 작업은 비효율적이다. 따라서 본 논문은 엑스선의 광역적인 밀도와 지역적인 밀도에 대한 상대적인 밀도를 측정하여 색상화된 결함을 표시하는 새로운 방법을 제안한다. 하나의픽셀에 대한 상대적인 밀도는 주위 픽셀과의 상대적인 차이를 나타내며, 이런 픽셀을 정상과 결함으로 나타내는 엑스선 영상의 색상화 방법도 제안한다. 실험에서는 육안으로 볼 수 없는 농작물의 병해충 또는 새싹 부분을 특정 색으로 색상화 하여 농산물 선별 시스템에 활용할 수 있게하였다. 제안된 방법은 엑스선을 이용한 선별 시스템에 적용되어 농산물 선별 시스템뿐만 아니라가공식품, 부품 제조와 같은 제조 공정에서 사용되어 불량품을 선별하는 방법에 적극적으로 이용될 수 있을 것이다.
Abstract
In this paper, we propose a new method for displaying colored defects by measuring the relative density with the wide-area and local densities of X-ray. The relative density of one pixel represents a relative difference from the surrounding pixels, and we also suggest a colorization of X-ray images representing these pixels as normal and defective. The traditional method mainly inspects materials such as plastics and metals, which have large differences in transmittance to the object. Our proposed method can be used to detect defects such as sprouts or holes in images obtained by an inspection machine that detects X-rays. In the experiment, the products that could not be seen with the naked eye were colored with pests or sprouts in a specific color so that they could be used in the agricultural product selection system. Products that are uniformly filled with a single ingredient inside, such as potatoes, carrots, and apples, can be detected effectively. However, it does not work well with bumpy products, such as peppers and paprika. The advantage of this method is that, unlike machine learning, it doesn't require large amounts of data. The proposed method could be applied to a screening system using X-rays and used not only in agricultural product screening systems but also in manufacturing processes such as processed food and parts manufacturing, so that it can be actively used to select defective products.
참고문헌 (9)
- 김대용, "가시광 및 근적외선 투과분광법을 이용한 감염 씨감자 온라인 선별시스템 개발", 비파괴검사학회지, 35(1), pp.1~11 (2015), 한국비파괴검사학회[DOI]
- 김밝금, "근적외선 비파괴 과일 선별 시스템을 활용한 내부 갈변 사과의 판별", 한국산학기술학회논문지, 22(1), pp.208~213 (2021), 한국산학기술학회[DOI]
- 고광은, "딥러닝과 확률모델을 이용한 실시간 토마토 개체 추적 알고리즘", 로봇학회 논문지, 16(1), pp.049~055 (2021), 한국로봇학회
- Dong-Hoon Shin, "Decision Boundary-Based Anomaly Detection Model Using Improved AnoGAN From ECG Data", IEEE Access, 8, pp.108664~108674 (2020), Institute of Electrical and Electronics Engineers (IEEE)[DOI]
- 양길모, "영상처리를 이용한 고구마 자동 선별시스템 개발", Journal of Biosystems Engineering, 30(3), pp.110~113 (2005), 한국농업기계학회
- Ronald P. Haff, "X-ray detection of defects and contaminants in the food industry", Sensing and Instrumentation for Food Quality and Safety, 2(4), pp.262~273 (2008), Springer Science and Business Media LLC[DOI]
- Jing Ren, "Defect Detection from X-Ray Images Using A Three-Stage Deep Learning Algorithm", 2019 IEEE Canadian Conference of Electrical and Computer Engineering (CCECE), pp.1~4 (2019)
- Bilel Yagoub, "Single Energy X-ray Image Colorization Using Convolutional Neural Network for Material Discrimination", Electronics, 11(24), pp.4101~ (2022), MDPI AG[DOI]
- Tomihisa Welsh, "Transferring color to greyscale images", Proceedings of the 29th annual conference on Computer graphics and interactive techniques, pp.277~280 (2002)