|
【專題報導三】掌握採收時機，預測產量與收入 - 柑橘成熟檢測系統
壹、前言
傳統種植柑橘的農友以經驗預測產量，美國農業部門則定期抽樣果樹的大小，由每根枝條果實的生長期望數量推估產量，美國佛羅里達大學農業與生物工程系教授 Wonsuk Lee 和電腦與資訊科學博士生 Subhajit Sengupta 共同提出精準估計柑橘產量的方法，以確保更高的產量和收入。Lee 和 Sengupta 使用數位相機拍攝美國佛羅里達大學實驗林內未成熟柑橘的圖像 （柑橘品種：Orlando Tangelo），在白天自然光照下，於不同時間蒐集向陽面或是被覆蓋的陰影面，建立未成熟柑橘影像資料庫，利用演算法找出這些照片中在不同光照條件下尚未成熟的柑橘果實。
貳、 系統演算法
用於計算柑橘數量的演算法分成幾個階段，首先是 Shape analysis （circular Hough transform） 是最主要的演算法，被用來盡可能挑選出許多未成熟的青柑橘，隨後，在使用不同的技術去除誤報的部分。第一個技術是使用 SVM（Support Vector Machine）的紋理分類法（Texture Classification），第二個技術的選擇取決於光照因素，光線較暗的圖像是採用 Canny 邊緣偵測濾波演算法，但較亮的圖像，則是採用 Hough line 直線檢測演算法，此外，為了進一步去除誤判，關鍵點是採用SIFT（Scale-Invariant Feature Transform）演算法比對，以刪除判斷錯誤的部分。
圖 1 便是檢測出未成熟柑橘的各步驟圖例，a 是原始圖像，b 是應用 CHT 後的圖像，c 是高斯差的圖像，d 初步檢測結果，e 是排除 Hough line 直線檢測後的圖像，左側是紋理檢測樹葉與果實的放大圖像，右邊是 Hough line 直線檢測到的果實和樹葉的線段，f 表示使用 SIFT 去除誤報的關鍵點，g 圖中白色圈處就是最後檢測出未成熟的柑橘。
 |
圖1、演算法流程示意圖 |
|
參、 結果
Lee 表示採收佔柑橘生產成本的30%左右，實驗結果可找出八成的未熟果，這樣的成功機率代表未來農友使用此系統，可以在收穫前更準確地知道果樹上果實的數量，如此得以規劃最佳的收成時間，預測產量，甚至可能獲得更多收入。
圖2白色圈處顯示在不同的光照條件下成功檢測的結果，a 和 b 是在正常光照下，即使它的一部分被葉子所覆蓋，也能正確檢測到的未成熟柑橘，c 和 d 表示雖然柑橘呈現高亮度及陰影，也都能準確檢測出未成熟的柑橘，這些例子顯示，本系統演算法可成功地檢測出不同的光照條件下的未成熟柑橘。
 |
圖2、成功圖例 |
|
當然，在一些情形下，有些枝葉會被判斷成柑橘，或是有柑橘未被檢測出來，可參考圖3，a-c圖中，每個圖皆有把枝葉誤判成柑橘的部分，a 圖是不同大小水果的例子，b 圖是圖像失焦; b-d圖則都是有柑橘未被檢測出來的例子，c 圖有三個被遮蔽超過一半而遺漏的柑橘，這有時也是肉眼也很難判別的，但在這張圖中，左上角也成功檢測出一個被樹葉遮蔽超過50%的柑橘。
 |
圖3、誤判或遺漏的圖例 |
|
肆、結語
然而，對小型果園的農友來說，拍攝每棵果樹可能很容易，而針對大面積種植的果園時，就必須拍攝果園中具代表性的部分果樹，再使用其結果做出整體預測。Lee 將持續研究，希望最終能開發由數位相機、可攜帶式電腦、GPS 接收器與相關軟體組成的電子系統，即包含 "see" 和 "count" 概念的機器視覺系統（machine vision），讓研究的推廣應用更便利。
伍、參考資料
|
