Görüntü işleme teknikleri ile beyaz yumurtalar üzerindeki yumurta kabuğu kusurlarının algılanması

Abstract

Yumurta çiftliği endüstrisinde kaliteli yumurtalardan kusurlu yumurtaların otomatik ayrılması hem ekonomik hem de sağlıksal nedenlerden dolayı önemli bir konudur. Modern yumurta işleme tesislerinde kusurlu yumurtaların insanların görsel denetimi ile ayrıştırılması süreci yavaşlatmaktadır. Günümüzde yumurta tasnifinin gerçek çiftlik endüstrisi uygulamalarında daha çok insanların görsel denetimi ile yapılmasının yanı sıra literatürde değişik kusur algılama çalışmaları yapılmıştır. Bu çalışmalar daha çok gri düzeyli yumurta görüntüsü üzerinde çeşitli görüntü işleme teknikleri kullanılarak yapılmıştır ve yumurtaların kusurlu yumurta mı sağlam yumurta mı olduğuna karar verilmiştir. Bu tez çalışmasında, veri kümesi yumurta çiftliğinde üretilen yumurtaların doğal ortamında fotoğraflanmasıyla oluşturulmuştur. Veri kümesi içerisindeki kirli, çatlak, kırık, kanlı ve temiz yumurta görüntüleri üzerine görüntü işleme teknikleri uygulanmıştır. Öncelikle yumurta görüntüsünü renkli olarak zeminden ayırma aşamasında K-means kümeleme tekniği kullanılmıştır. Daha sonra kirli yumurta üzerindeki kir bölütleme ile ayrılmış ve eşik değeri belirlenerek yumurtanın kirli olduğuna karar verilmiştir. Eğer görüntü üzerinde kir yoksa zeminden ayrılmış yumurta, program içinde ikinci denetime girmiştir ve Sobel kenar belirleme algoritması uygulanılarak yumurtanın kenarları ve kırık kısımları bulunmuştur. Kenarlar maske ile yok edilmiştir. Daha sonra tekrar eşik değeri verilerek yumurtanın kırık mı temiz mi olduğuna karar verilmiştir. Automatic separation of defective eggs from quality eggs is an important issue in that both economic and health reasons in the egg farm industry. In the modern egg processing plants, removing defective eggs with visual inspection of people slow process. Nowadays, different defect detection algorithms are done as well as eggs classification is done with people visual inspection in the real farm industry. These studies are mostly performed on gray level egg images using different types of image processing techniques and decided whether quality egg or defective egg. In this thesis study, the data set has been produced with photographed producing eggs in natural farm environment. Image processing techniques have been applied on dirty, cracked, broken, bloody and clean eggs within the data set. Firstly, K-means classification technique has been used in the step of separation of color egg image from ground. And then, dirt on the dirty egg has been separated with the color segmentation technique and decided with using threshold value that this egg is dirty. If there isn't any dirt on the image, separated egg from ground has entered second control and Sobel edge detection algorithm by applying egg has been found in parts of the edges and cracks. Edges are dispelled by mask. Then again, it has been decided whether crack egg or clean egg by given the threshold value.