Gradus

VOL 3, NO 1 (2016): SPRING (APRIL)

 

LÉZERSZKENNER ALAPÚ ALMADETEKTÁLÁS

LASER BASED APPLE FRUIT DETECTION


Riczu Péter, Csihon Ádám, Nagy Gábor, Nagy Attila, Tamás János

Abstract

A minőségi almatermesztés fontos technológiai eleme a gyümölcs betakarítás előtti információk beszerzése, különösen a termés mennyiségének meghatározása, amely alapvetően meghatározhatja a gazdaságosságát és a betakarítását követő, ún. post harvest tevékenységeket (pl. tárolás, logisztika, marketing, stb.). A becslésekre alapozott termésmennyiség meghatározása sokszor igen nagy hibákkal terhelt a kertészeti gyakorlatban. Az informatikai rendszerek fejlődése mára lehetővé teszik a gyümölcsök detektálását. Kutatásaink során a betakarítást megelőzően, 3D lézerszkenner segítségével mértük fel egy intenzív almaültetvény egy részét a Debreceni Egyetem, ATK, Debreceni Tangazdasága és Tájkutató Intézete, Pallagi Génbank és Gyakorlóhelyén. A nagy pontosságú lézeres adatok lehetővé tették a gyümölcsök pozíciójának és mértének megismerését.

An important technological element of the high quality fruit growing is acquiring information of pre-harvest features, especially to determine the potential yield mass, which is very important in the post-harvest activities (such as storing, logistic, marketing, etc.). Yield estimation is sometimes affected by errors in the horticultural practice. Nowadays, IT systems can be useful for detecting fruits. In our experiment, an intensive apple orchard was surveyed by a 3D laser scanner before harvest at the Study and Regional Research Farm of the University of Debrecen, nearby Pallag before harvesting. The high accuracy laser data was suitable for identifying the position and the size of fruits.


Keywords

Kulcsszavak: Precíziós kertészet, Intenzív almaültetvény, Lézerszkennelés, Gyümölcsdetektálás,

Keywords: Precision horticulture, Intensive apple plantation, Laser scanning, Fruit detection,


References

[1] Rosell, J. R., Llorens, J., Sanz, R., Arno, J., Ribes-Dasi, M., Masip, J., Escola, A., Camp, F., Solanelles, F., Gracia,F., Gil, E., Val, L. (2009). Obtaining the three-dimensional structure of tree orchards from remote 2d terrestrialLIDAR scanning. Agricultural and Forest Meteorology. 149 (9): 1505-1515.
[2] Kim, Y., Glenn, D. M., Park, J., Lehman, B. L. (2010): Hyperspectral image analysis for plant stress detection.ASABE Annual International Meeting. Convention Center Pittsburgh, Pennsylvania. Paper No. 1009114. 1-12.
[3] Tamás J., Fórián T., Nagy A., Nyéki J., Soltész M., Szabó Z. (2010): Pilot study for irrigation modelling of a pearplantation. International Journal of Horticultural Science. 16 (3): 81-84.
[4] Usha, K., Singh, B. (2013): Potential applications of remote sensing in horticulture – A review. ScientiaHorticulturae. 153: 71-83.
[5] Simon B. (1974): A termésbecslés módszerei. Mezőgazda Kiadó. Budapest. 380 p.
[6] Johannsen, C. J., Carter, P. G., Morris, D. K., Erickson, B., Ross, K. (1999): Potential Applications of RemoteSensing. Site-Specific Management Guidelines SSMG-22. Potash & Phosphate Institute. 1-4 p.
[7] Ferencz Cs., Bognár P., Lichtenberger J., Hamar D., Tarcsai Gy., Timár G., Molnár G., Pásztor Sz., Steinbach P.,Székely B., Ferencz O. E., Ferencz-Árkos I. (2004): Crop yield estimation by satellite remote sensing. InternationalJournal of Remote Sensing. 25 (20): 4113-4149.
[8] Linker, R., Kelman, E. (2015): Apple detection in nighttime tree images using the geometry of light patches aroundhighlights. Computers and Electronics in Agriculture. 114: 154-162.
[9] Plá. F., Juste, F., Ferri, F. (1993): Feature extraction of spherical objects in image analysis: an application to roboticcitrus harvesting. Computers and Electronics in Agriculture. 8 (1): 57-72.
[10] Wachs, J., Stern, H., Burks, T., Alchanatis, V. (2010): Low and high-level visual feature based apple detection frommulti-modal images. Precision Agriculture. 11 (6): 717-735.
[11] Kapach, K., Barnea, E., Mairon, R., Edan, Y., Ben-Shahar, O. (2012): Computer vision for fruit harvesting robots –state of the art and challenges ahead. International Journal of Computational Vision and Robotics. 3 (1/2): 4-34.
[12] Sanz, R., Rosell, J. R., Llorens, J., Gil, E., Planas, S. (2013): Relationship between tree row LIDAR-volume and leafarea density for fruit orchards and vineyards obtained with a LIDAR 3D Dynamic Measurement System. Agriculturaland Forest Meteorology. 171-172: 153-162.
[13] Lerma García, J. L., Van Genechten, B., Heine, E., Santana Quintero, M. (2008): Theory and practice on terrestriallaser scanning. Editorial de la Universidad Politécnica de Valencia. Valencia, Spain. 261 p.
[14] Jiménez, A. R., Jain, A. K., Ceres, R., Pons, J. L. (1999): Automatic fruit recognition: a survey and new resultsusing range/attenuation images. Pattern Recognition. 32 (10): 1719-1736.



Copyright (c) 2019 Gradus