Non-destructive Image Processing Technique and Rule-based Classification in Estimating the Quality of Fruit

Authors

  • Wimon Utanon Bansomdejchaopraya Rajabhat University
  • Sukanya Phongsuphap มหาวิทยาลัยมหิดล
  • วันทนี สว่างอารมณ์ Bansomdejchaopraya Rajabhat University
  • ณัฐดนัย สิงห์คลีวรรณ Bansomdejchaopraya Rajabhat University

Keywords:

Fruit Quality Estimation, Image Processing Technique, Rule-based Classification

Abstract

Abstract

This research aims to study and apply image processing technique and rule-based classification to non-destructively estimate fruit quality by using the guava-kimju as a case study. This research analyzes the relevance of the color characteristics of fruits image to its taste and characteristics of the flesh.

The research presents the image processing technique using the RGB model, by specifying the color name according to the ISCC-NBS system into 8 color groups and making a rule-based classification to classify relevance of color features to the guava’s taste and to its flesh.

The results showed that, The rule-based classification in classifying the relevance of the color to its flesh is more accurate than that of the relevance of the color to its taste.  The accuracy rate of the rule-based classification in classifying the relevance of the color to its taste and the classification of the relevance of the color to its flesh is 63.33% and 86.67% respectively.

References

จันทนา ใจจิตร และคณะ. (2559). การวิจัยและพัฒนาการผลิตพืชเศรษฐกิจเฉพาะพื้นที่อย่างมีคุณภาพ
ในเขตภาคกลาง: ชุดโครงการวิจัย. กรุงเทพฯ: กรมวิชาการเกษตร กระทรวงเกษตรและสหกรณ์.
จิราภรณ์ บุราคร. (2560, กันยายน). การประเมินคุณภาพอาหารทางประสาทสัมผัสกับการพัฒนา
อุตสาหกรรมอาหาร 4.0. วารสารกรมวิทยาศาสตร์บริการ,65, 205, 16-17.
ศิริลักษณ์ วงศ์เกษม. (2555). การใช้คอมพิวเตอร์วิทัศน์ตรวจสอบคุณภาพและคัดแยกผลผลิตทาง
การเกษตร. วารสารมหาวิทยาลัยราชภัฏพิบูลสงคราม, 13(2) 10-21.
Gonzalez, R. C. & Woods, R. E. (2009). Digital Image Processing (3rd ed.).
Prentice Hall.
Kim Gwan Dae et al. (2009). Classification of grapefruit peel diseases using color texture
feature analysis. International Journal of Agric & Biol Eng,,2(3), USA.
Lak M. B. et al. (2010). Apple fruits recognition under natural luminance using machine
vision, Advance journal of food science and technology 2(6): 325-327.
Sukanya P., Takamatsu R. & Sato M. (1998). Image classification using the sureface-shap
operator and multiscale feature, Proc. of fourteen international conference on pattern
recognition. 1998 Aug; 334-337.
Unaya, D., Gosselinb, B., Kleynenc, O., Leemansc, V., Destainc, M., & Debeird, O.
(2010, January). Automatic grading of Bicolored apples.
Computers and Electronics in Agriculture,1(75) 204-212.

Downloads

Published

2020-06-30

Issue

Section

บทความวิจัย