KR102596206B1 - 영상 분석을 이용한 건해삼 등급 분류 시스템 - Google Patents

영상 분석을 이용한 건해삼 등급 분류 시스템 Download PDF

Info

Publication number
KR102596206B1
KR102596206B1 KR1020160169801A KR20160169801A KR102596206B1 KR 102596206 B1 KR102596206 B1 KR 102596206B1 KR 1020160169801 A KR1020160169801 A KR 1020160169801A KR 20160169801 A KR20160169801 A KR 20160169801A KR 102596206 B1 KR102596206 B1 KR 102596206B1
Authority
KR
South Korea
Prior art keywords
dried sea
sea cucumber
image
dried
cucumbers
Prior art date
Application number
KR1020160169801A
Other languages
English (en)
Other versions
KR20180068150A (ko
Inventor
윤원병
이충욱
Original Assignee
강원대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 강원대학교산학협력단 filed Critical 강원대학교산학협력단
Priority to KR1020160169801A priority Critical patent/KR102596206B1/ko
Publication of KR20180068150A publication Critical patent/KR20180068150A/ko
Application granted granted Critical
Publication of KR102596206B1 publication Critical patent/KR102596206B1/ko

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/04—Sorting according to size
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0278—Product appraisal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
    • Y02A40/81—Aquaculture, e.g. of fish

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Edible Seaweed (AREA)
  • Image Processing (AREA)

Abstract

영상 분석을 이용한 건해삼 등급 분류 시스템이 소개된다.
이를 위해 본 발명은 건해삼을 촬영하여 건해삼의 이미지를 획득하는 영상촬영부; 상기 영상촬영부에서 획득한 이미지를 기초로 상기 건해삼의 3차원 이미지를 획득하는 영상이미지획득부; 상기 영상이미지획득부에서 얻은 상기 건해삼의 3차원 이미지를 기초로 상기 건해삼의 겉넓이와 부피를 산출하는 측정부; 및 건해삼의 겉넓이와 부피를 기초로 상기 건해삼의 등급이 마련되고 상기 건해삼의 등급에 따라 최적의 수화율에 도달할 수 있는 수화시간이 저장된 등급 분류부; 를 포함한다.

Description

영상 분석을 이용한 건해삼 등급 분류 시스템{Classification system of dried sea cucumber using image analysis}
영상 분석을 이용한 건해삼 등급 분류 시스템이 소개된다. 더욱 상세하게는 영상화된 건해삼의 겉넓이(표면적)과 부피를 측정하여 미리 마련된 겉넓이(표면적)과 부피에 따른 건해삼의 등급이 책정되고, 기 저장된 건해삼의 등급에 따른 최적 수화율에 도달할 수 있는 수화시간을 사전에 예측할 수 있는 시스템에 관한 것이다.
일반적으로 해삼은 여러 가지의 종류가 있는데, 그 중 한국 연안에서는 주로 참해삼, 홍삼, 목삼, 흑삼 등이 생산되고 있다. 참해삼은 수심 10m 정도의 깊이에서 주로 서식하는 것으로서, 생산량이 많아 비교적 저렴한 가격에 거래되고 있다. 홍삼은 제주도나 울릉도의 조류가 강한 외양 쪽에 주로 서식하는 것으로서, 생산량이 많지않아 비싼 가격에 거래되고 있다. 목삼은 25m 정도의 깊은 뻘밭에 주로 서식하는 것으로서, 홍삼과 마찬가지로 생산량이 많지 않아 비싼 가격에 거래되고 있다. 흑삼은 육수의 영향을 많이 받는 내만의 얕은 뻘밭에 주로 서식하는 것으로서, 생산량이 매우 적어 해삼 종류 중 가장 비싼 가격으로 거래되고 있다. 해삼은 중국에서 산삼으로 여길만큼 보양식으로 알려져 있으며 생해삼이 아닌 건해삼을 보양 음식으로 주로 먹으며 결혼식이나 큰 행사 중에 반드시 있어야 하는 중요한 음식 재료이다.
주로 점착성이 있는 당단백질로 구성된 해삼은 유통 중 산소와의 접촉을 통해 쉽게 변질될 수 있으며 이와 같은 단점을 극복하기 위하여 해삼은 생 것을 잡아 냉장보관한 후 수일 내로 먹는 경우가 아니면 통상적으로 건조시켜 유통시켜야 한다.
그러나 해삼이 상기와 같은 다양한 효과에 기인하여 매우 높은 상업적 가치를 가진다고 할지라도, 알카리성 식품이라는 특성상 쉽게 녹거나 변질되고, 바닷물에서 건지면 위험을 감지하여 자가분해를 하기 때문에 보존이나 수송이 매우 어려운 실정이다. 이러한 이유로, 80% 이상의 해삼이 건조 공정을 거친 후 유통되고 있다. 건조 후의 해삼은 단백질 비율이 급격하게 증가하고, 수송과 보관이 용이할 뿐 아니라 해삼 내 미생물 번식을 방지하는 데도 탁월한 효과를 나타낸다.
한편, 해삼은 극피동물 해삼강에 속하며 전통적인 건강식품으로 널리 알려져 있다. 특히, 중국과 일본을 포함한 동아시아에서 고부가가치 식자재로 꾸준히 소비가 되고 있다.
해삼의 주요 구성성분은 collagen과 mucopolysaccharides로 이루어져 있다.
수분함량이 높은 해삼은 원활한 유통과 장기 보관을 위하여 건조공정을 거치게 된다. 건해삼의 높은 영영학적 가치와 독특한 조직감은 소비자들이 선해삼을 선호하는 중요한 요인으로 작용한다.
특히 해삼의 주요 소비처인 중국은 건조된 해삼의 재수화에서 발생하는 조직감의 변화를 선호한다. 건해삼의 조리는 전통적으로 상온에서의 수침과 가열을 반복하여 보통 2-3일 정도의 수화과정을 거친다.
이러한 건해삼의 번거로운 수화 공정으로 인하여 소비자는 건해삼을 수화 직후 바로 섭취할 수 없으므로, 냉동 보관하여 필요 시 수화해삼을 조리하여 소비한다. 해삼은 보관 시 75% 수분함량에서 보관 시 품질의 변화가 가장 적다고 보고 된 바 있다.
현재 해삼의 등급분류는 사람에 의한 손 등급 분류법으로, 등급분류에 명확한 기준이 없으므로 건해삼의 등급분류를 위한 시스템의 도입의 필요성이 있다.
이에 본 발명은 부정형의 건해삼의 이미지를 이용하여 건해삼의 등급을 결정하고 등급에 따라 기저장된 최적수화율에 도달하는 수화시간을 이용하여 등급별 최적수화시간을 도출할 수 있는 시스템에 관한 것이다.
KR 10-2014-0087586 (2014.07.09)
본 발명은 상기와 같은 종래 문제점을 해결하기 위해 건해삼의 표면적과 겉넓이에 따른 등급표와 이 등급표에 따라 최적의 수화율에 도달할 수 있는 수화 시간이 기저장되어 있어 건해삼의 표면적과 겉넓이만 측정하게 되면 최적의 수화율에 도달할 수 있는 수화 시간을 미리 예측할 수 있는 시스템을 제공함에 그 목적이 있다.
영상 분석을 이용한 건해삼 등급 분류 시스템이 소개된다.
이를 위해 본 발명은, 건해삼을 촬영하여 건해삼의 이미지를 획득하는 영상촬영부; 상기 영상촬영부에서 획득한 이미지를 기초로 상기 건해삼의 3차원 이미지를 획득하는 영상이미지획득부; 상기 영상이미지획득부에서 얻은 상기 건해삼의 3차원 이미지를 기초로 상기 건해삼의 겉넓이와 부피를 산출하는 측정부; 및 건해삼의 겉넓이와 부피를 기초로 상기 건해삼의 등급이 마련되고 상기 건해삼의 등급에 따라 최적의 수화율에 도달할 수 있는 수화시간이 저장된 등급 분류부; 를 포함한다.
상기 영상촬영부는, 상기 건해삼이 놓여지는 받침대와 상기 받침대로부터 소정의 거리에 위치한 카메라로 이루어지되, 상기 카메라에 의해 촬영된 상기 건해삼의 이미지를 MATLAB을 이용하여 영상분석하는 것을 특징으로 한다.
상기 영상이미지획득부는, (a)상기 건해삼의 RGB 이미지를 형성하는 단계;(b)상기 RGB 이미지를 그레이 스케일로 구현된 이미지로 변환하는 이진화단계; (c)이진화된 상기 건해삼의 이미지에서 노이즈를 제거하는 단계; (d)노이즈가 제거되고 이진화된 상기 건해삼의 이미지를 2차원 그래프에 투영하는 단계; (e)노이즈가 제거된 상기 건해삼의 이미지에서 중심행을 찾는 단계; 및 (f)상기 중심행을 기준으로 소정의 축으로 상기 건해삼의 이미지를 회전시켜 건해삼의 3차원 이미지를 획득하는 단계; 로 이루어진 것을 특징으로 한다.
상기 (b)단계에서, 설정된 기준그레이스케일 값을 기준으로 상기 RGB 이미지를 이진화시키는 것을 특징으로 한다.
상기 (c)단계에서, 공간필터인 미디언 필터링을 이용하여 건해삼의 이미지에서 노이즈를 제거하는 것을 특징으로 한다.
상기 (e)단계에서, 상기 건해삼의 이미지를 이루는 모든 행의 각각의 열을 이루는 픽셀수를 계산하여 최대의 열을 이루는 픽셀수를 가지는 행을 상기 중심행으로 설정하는 것을 특징으로 한다.
상기 (f)단계에서, 상기 중심행을 기준으로 상기 건해삼의 이미지를 X축으로 회전시켜 상기 건해삼의 3차원 이미지를 획득하는 것을 특징으로 한다.
상기 측정부는, 하기의 식을 이용하여 건해삼의 겉넓이(S)와 부피(V)를 측정하는 것을 특징으로 한다.
Figure 112016122305509-pat00001
Figure 112016122305509-pat00002
상기 등급 분류부는, 건해삼의 겉넓이와 부피를 기초로 상기 건해삼의 등급이 마련된 건해삼등급표와 상기 건해삼의 등급에 따라 최적의 수화율에 도달할 수 있는 수화시간표가 저장된 것을 특징으로 한다.
상기와 같은 구성으로 이루어진 본 발명인 영상 분석을 이용한 건해삼 등급 분류 시스템에 의한다면 건해삼의 표면적과 겉넓이만 측정하게 되면 최적의 수화율에 도달할 수 있는 수화 시간을 미리 예측할 수 있어 건해상의 가공 시간이 짧아지고 공정 절차의 효율성이 제공되는 이점이 있다.
도 1은 본 발명인 영상 분석을 이용한 건해삼 등급 분류 시스템의 전체 구성도.
도 2는 본 발명인 영상 분석을 이용한 건해삼 등급 분류 시스템의 일 요소인 영상촬영부의 구성을 나타내는 도면.
도 3은 본 발명인 영상 분석을 이용한 건해삼 등급 분류 시스템의 일 요소인 영상이미지획득부에서 수행되는 단계를 시간순으로 나열한 순서도.
도 4는 본 발명인 영상 분석을 이용한 건해삼 등급 분류 시스템의 일 요소인영상이미지획득부에서 수행된 단계에 의해 건해삼의 3차원 이미지를 획득하는 단계를 나타내는 이미지.
도 5는 건해삼의 형태학적 특징에 따른 clusting 결과를 나타내는 그래프.
도 6은 건해삼의 겉넓이와 부피를 기준으로 건해삼을 등급 분류한 그래프.
도 7은 시간에 따른 등급별 건해삼의 수화율 변화를 나타낸 그래프이다.
이하 첨부된 도면을 참조로 본 발명인 영상 분석을 이용한 건해삼 등급 분류 시스템의 바람직한 실시 예를 설명한다.
도 1은 본 발명인 영상 분석을 이용한 건해삼 등급 분류 시스템의 전체 구성도이다.
도시된 바와 같이, 본 발명은 크게 영상촬영부(100), 영상이미지획득부(200), 측정부(300) 및 등급분류부(400)를 포함한다.
영상촬영부(100)는 건해삼을 촬영하여 건해삼의 이미지를 획득하고, 영상이미지획득부(200)는 영상촬영부(100)에서 획득한 이미지를 기초로 상기 건해삼의 3차원 이미지를 획득하고, 측정부(300)는 영상이미지획득부(200)에서 얻은 상기 건해삼의 3차원 이미지를 기초로 상기 건해삼의 겉넓이와 부피를 산출하며, 등급분류부(400)는 건해삼의 겉넓이와 부피를 기초로 상기 건해삼의 등급이 마련되고 상기 건해삼의 등급에 따라 최적의 수화율에 도달할 수 있는 수화시간이 저장되어 있다.
한편, 도 2는 이러한 영상촬영부(100)의 구성을 나타내는 도면으로, 도시된 바와 같이 영상촬영부(100)는, 건해삼이 놓여지는 받침대와 받침대로부터 소정의 거리에 위치한 카메라로 이루어지되, 카메라에 의해 촬영된 건해삼의 이미지를 MATLAB을 이용하여 영상분석하는 것을 특징으로 한다.
구체적으로 살펴보면 건해삼은 받침대의 정중앙에 위치시켰으며, 이 건해삼을 촬영하기 위한 카메라는 건해삼으로부터 소정 거리에 위치시켰다. 본 발명의 일 실시예에서는 건해삼을 카메라로부터 9cm에 위치시켰고, 카메라는 유효 화소수 1,510만 화소, 셔터속도 1/4,000 ~ 30 sec의 카메라(EOS 500D, Canon, Tokyo, Japan)를 사용하였다.
또한, 카메라는 조리개 밝기 f 3.5, 초점거리 24 mm, 셔터속도 1/60 sec로 설정하였으며, 이 카메라에 의에 획득한 건해삼의 이미지는 MATLAB (Version 8.5, The MathWorks, Inc., Natick, Massachusetts, United States)을 이용하여 영상분석 실시하였다. 이러한 영상활영부에 의해 촬영된 건해삼의 이미지는 이하 후술할 영상이미지획득부(200)에 의해 건해삼의 3차원 이미지가 형성된다.
영상이미지획득부(200)의 구체적인 단계를 살펴본다.
도 3은 영상이미지획득부(200)에서 수행되는 단계를 시간순으로 나열한 순서도이고, 도 4는 영상이미지획득부(200)에서 수행된 단계에 의해 건해삼의 3차원 이미지를 획득하는 단계를 나타내는 도면이다.
영상이미지획득부(200)는, (a)건해삼의 RGB 이미지를 형성하는 단계, (b)RGB 이미지를 그레이 스케일로 구현된 이미지로 변환하는 이진화단계, (c)이진화된 건해삼의 이미지에서 노이즈를 제거하는 단계, (d)노이즈가 제거되고 이진화된 상기 건해삼의 이미지를 2차원 그래프에 투영하는 단계, (e)노이즈가 제거된 건해삼의 이미지에서 중심행을 찾는 단계 및, (f)중심행을 기준으로 소정의 축으로 건해삼의 이미지를 회전시켜 건해삼의 3차원 이미지를 획득하는 단계로 이루어진 것을 특징으로 한다.
(a)건해삼의 RGB 이미지를 형성하는 단계는 건해삼의 등급 선별을 위하여 이미 설명한 카메라를 이용하여 RGB 이미지를 획득한다. RGB 이미지는 RGB(적·녹·청)에 의해 색을 정의하는 색 모델, 또는 색 표시 방식에 의한 이미지로 그 구체적인 설명은 생략한다.
도 4의 (a)는 건해삼의 원본이미지를 나타내는 도면이고, 도 4의 (b)는 이진화된 건해삼의 이미지이다.
도 4의 (b)에 도시된 이진화된 건해삼의 이미지를 도출 과정을 살펴보면 다음과 같다.
RGB 이미지를 그레이 스케일로 구현된 이미지로 변환하는 이진화단계가 수행된다.
그레이 레벨값 또는 그레이 스케일은 각 픽셀의 명암 정도를 "0~255"값을 기준으로 산정한 것으로, 해당 픽셀값이 "0"에 가까울수록 검은색에, "255"에 가까울수록 흰색에 각각 가깝게 된다. 이에 본 발명은 임계값 "225"를 설정된 기준그레이스케일 값을 기준으로 하였으며, 임계값 "225"를 넘는 픽셀은 흰색을 임계값 "225"를 이하를 가지는 픽셀은 검은색으로 구별하였다. 물론, 이 임계값은 사용자의 선택에 따라 다른 값으로 설정할 수 있다. 이러한 기준그레이스케일 값을 기준으로 한 이진화 이미지가 도 4의 (b)에 도시되어 있다.
이때, 사용자가 관심을 갖고 있는 건해삼의 중심 영역에는 건해삼에 형성된 돌기로 인해 정확한 영상분석을 할 수 없다. 이에 본 발명은 보다 정확한 건해삼의 이미지를 획득하기 위해 (c)이진화된 건해삼의 이미지에서 노이즈를 제거하는 단계를 수행한다.
구체적으로 보면 공간필터인 미디언 필터링을 이용하여 건해삼의 이미지에서 노이즈를 제거하게 되는데, 이 과정에 의해 건해삼에 형성된 다수개의 돌기를 노이즈로 처리하여 제거하게 된다.
미디언 필터링(median filtering)이란 영상을 처리할때, 영상내에서 주변 픽셀과 전혀 상관없이 발생하는 잡음을 임펄스 잡음이라하는데, 이러한 임펄스 잡음은 평균값 필터등을 사용하면 주변 픽셀값에 많은 영향을 주기 때문에 보통 중간값필터(미디언 필터)를 사용하여 제거하게 된다. 본 발명에서는 건해삼의 형성된 다수개의 돌기가 임펄스 잡음에 해당되고, 이 임펄스 잡음을 평균값 필터등에 의해 제거하게 된다. 미디언 필터링은 일반적으로 사용되는 영상 처리 기법인바 여기서 그 자세한 설명은 생략한다. 이진화 및 필터링 작업에 의해 도출된 이미지가 도 4의 (b)에 도시되어 있다.
한편, 상기와 같이 노이즈가 제거되고 이진화된 건해삼의 이미지를 2차원 그래프에 투영하는 단계가 수행된다. 2차원 그래프에 투영된 건해삼의 이미지가 도 4의 (c)에 도시되어 있다.
상기와 같이 노이즈가 제거된 건해삼의 이미지가 2차원 그래프에 투영되면 (e)노이즈가 제거된 상기 건해삼의 이미지에서 중심행을 찾는 단계가 수행된다.
이를 구체적으로 살펴보면 다음과 같다.
건해삼의 이미지를 이루는 모든 행의 각각의 열을 이루는 픽셀수를 계산하여 최대의 열을 이루는 픽셀수를 가지는 행을 중심행(M)으로 설정하게 된다. 즉, 도 4의 (c)에 도시된 건해삼의 이미지에서 가로 방향으로 가장 긴 행을 찾고, 이 가장 긴 행을 중심행(M)으로 설정하게 된다.
상기의 방식으로 중심행을 찾게 되면, (f)중심행을 기준으로 소정의 축으로 건해삼의 이미지를 회전시켜 건해삼의 3차원 이미지를 획득하는 단계가 수행된다. 이를 구체적으로 살펴보면 다음과 같다.
중심행(M)을 기준으로 건해삼의 이미지를 X축으로 회전시켜 건해삼의 3차원 이미지를 획득하는 것을 특징으로 한다. 즉, 도 4의 (d)에 도시된 바와 같이 도 4의 (c)에 도시된 건해삼의 이미지에서 중심행(M)을 기준으로 X축 방향으로 3600 회전시키게 되면 건해삼의 3차원 이미지를 획득하게 된다.
상기와 같이 영상이미지획득부(200)에서 건해삼의 3차원 이미지를 획득하게 되면, 측정부(300)는 상기 3차원 이미지를 기초로 건해삼의 겉넓이와 부피를 산출하게 된다.
이를 구체적으로 살펴보면 다음과 같다.
측정부(300)는, 하기의 식을 이용하여 건해삼의 겉넓이(S)와 부피(V)를 측정하는 것을 특징으로 한다.
Figure 112016122305509-pat00003
Figure 112016122305509-pat00004
이때, ri는 건해삼의 3차원 이미지에서 I 지점에서의 반지름을 의미하며, 1 픽셀 간격으로 X 축으로 이동하였으며, coe는 픽셀 단위를 cm 단위로 보정해주기 위한 단위환산 인자로 실험을 통해 얻은 값 0.0503이 입력된다.
한편, 상기와 같이 건해삼의 겉넓이와 부피를 측정하게 되면, 이 건넓이와 부피를 이용하여 건해삼의 등급이 결정되고, 결정된 등급에 따른 최적의 수화율에 도달할 수 있는 수화시간이 저장된 등급분류부(400)에 의해 건해삼이 최적의 수화율에 도달할 수 있는 수화시간을 예측할 수 있다.
이를 구체적으로 살펴보면 다음과 같다.
등급분류부(400)에는 건해삼의 겉넓이(S)와 부피(V)를 기초로 건해삼의 등급이 마련된 건해삼등급표와 건해삼의 등급에 따라 최적의 수화율에 도달할 수 있는 수화시간표가 저장되어 있다.
이하 건해삼의 겉넓이(S)와 부피(V)가 등급분류부(400)의 기준이 되는 이유를 구체적으로 설명하면 다음과 같다.
본 발명에서는 건해삼을 객관적으로 분류할 수 있는 인자를 찾기 위해 건해삼의 형태학적 특징 중 길이, 너비, 무게, 겉넓이 및 부피의 5가지 인자를 이용하여 이른바 'k-mean clustering'을 실시하였다.
'k-mean clustering'은 주지하다시피, 입력샘플을 K 개의 집단으로 군집화하는 알고리즘이다. 임의의 시작점을 K개만큼 정하고 입력샘플 각각을 시작점과 비교하여 가장 가까운 점에 소속시키고 입력 샘플이 모두 특정 집단에 소속되었다면 각 소속에 해당하는 점들의 중심점을 구한다.
이렇게 구한 중심점을 기준으로 다시 입력샘플과의 거리를 비교하여 가장 가까운 중심점에 다시 소속시킨다. 이렇게 반복하다 더이상 입력집단이 속한 소속이 변하지 않으며 그때의 그룹들을 K개의 집단으로 군집화되었다고 한다.
이 알고리즘은 일반적인 방법이라 그 구체적인 설명은 생략한다.
본 발명에서는 영상분석을 통하여 건해삼의 길이, 너비, 부피, 겉넓이를 측정하여 R프로그램(Version 3.3.1, R Foundation for Statistical Computing, Vienna, Austria)을 이용해 k-mean clustering을 1,000번 반복하여 군집 내 유사성이 가장 높은 결과를 도출하였다.
도 5는 건해삼의 형태학적 특징에 따른 clustering 결과를 각각 (a) 길이, (b) 너비, (c) 무게, (d) 겉넓이, (e) 부피 의 인자별로 분류 진행한 결과를 나타내는 그래프이다.
도시된 바와 같이 분산이 가장 작은 결과를 도출하는 건해삼의 겉넓이와 부피가 건해삼을 가장 명확하게 clustering 할 수 있는 인자로 판단되었다.
이에 본 발명 역시 건해삼의 겉넓이(S)와 부피(V)를 등급분류부(400)의 기준으로 설정하였고, 건해삼의 겉넓이(S)와 부피(V)에 따른 건해삼등급표가 등급분류부(400)에 저장되어 있다.
도 6은 건해삼의 겉넓이와 부피를 기준으로 건해삼을 등급 분류한 그래프이다.
본 발명에서는 부피가 8.5이하이고, 겉넓이가 21.5 이하인 것을 'grade1'로 결정하였고, 겉넓이가 21.5~24 범위이고 부피가 7.5~9 사이인 것을 'grade2'로 결정하였으며, 겉넓이가 23~27 범위이고, 부피가 8.5 보다 큰 경우 'grade3' 으로 대략 설정하였다.
건해삼의 겉넓이와 부피에 따른 건해삼의 등급은 사용자의 선택에 따라 다양하게 설정할 수 있다.
한편, 등급분류부(400)는, 건해삼의 겉넓이와 부피를 기초로 건해삼의 등급이 마련된 건해삼등급표와 건해삼의 등급에 따라 최적의 수화율에 도달할 수 있는 수화시간표가 저장된 것을 특징으로 하는데, 수화시간표를 구체적으로 살펴보면 다음과 같다.
본 발명의 일 실시예에서는 수화율 측정시 온도 35도 및 36시간 동안 진행하였으며, 1시간마다 그 무게를 측정하여 수화율을 계산하였다.
도 7은 시간에 따른 등급별 건해삼의 수화율 변화를 나타낸 그래프이다.
도시된 바와 같이 수화 시작 후 12시간 경과 후 grade1은 185%, grade2는 367%, grade3 672%의 수화율을 확인하였고, 36시간 경과 후 grade1은 565%, grade2는 755%, grade3는 1,272%의 수화율을 확인하였다.
한편, 수화율은 하기의 식으로 계산 가능하다.
RR = mf/m0 이고 mf 는 수화 후 건해삼의 질량(g)을 의미하며, m0는 수화 전 건해삼의 질량(g)을 의미한다.
이러한 자료를 토대로 등급분류부(400)에는 건해삼의 겉넓이와 부피를 기초로 건해삼의 등급이 마련되고 건해삼의 등급에 따라 최적의 수화율에 도달할 수 있는 수화시간이 저장되어 있으며, 사용자는 건해삼의 겉넓이와 부피만을 측정하게 되면 건해삼의 등급을 확인할 있음은 물론 그에 따라 기 저장된 수화시간표에 의해 건해삼이 최적의 수화 상태에 도달할 수 있는 시간을 미리 예측할 수 있다.
100 : 영상촬영부 200 : 영상이미지획득부
300 : 측정부 400 : 등급분류부

Claims (9)

  1. 건해삼을 촬영하여 건해삼의 이미지를 획득하는 영상촬영부;
    상기 영상촬영부에서 획득한 이미지를 기초로 상기 건해삼의 3차원 이미지를 획득하는 영상이미지획득부;
    상기 영상이미지획득부에서 얻은 상기 건해삼의 3차원 이미지를 기초로 상기 건해삼의 겉넓이와 부피를 산출하는 측정부; 및
    건해삼의 겉넓이와 부피를 기초로 상기 건해삼의 등급이 마련되고 상기 건해삼의 등급에 따라 최적의 수화율에 도달할 수 있는 수화시간이 저장된 등급분류부; 를 포함하되, 상기 최적의 수화율과 상기 최적의 수화율에 도달할 수 있는 수화시간은 하기의 식으로 정의되는 것을 특징으로 하는, 영상 분석을 이용한 건해삼 등급 분류 시스템.
    (최적의 수화율: 건해삼의 가공시 수화공정을 통해 상업적으로 사용이 가능한 수분함량,
    최적의 수화율에 도달할 수 있는 수화시간: 상기의 최적의 수화율에 도달할 수 있는 수화시간)
  2. 청구항 1에 있어서,
    상기 영상촬영부는,
    상기 건해삼이 놓여지는 받침대와 상기 받침대로부터 소정의 거리에 위치한 카메라로 이루어지되, 상기 카메라에 의해 촬영된 상기 건해삼의 이미지를 MATLAB을 이용하여 영상분석하는 것을 특징으로 하는, 영상 분석을 이용한 건해삼 등급 분류 시스템.
  3. 청구항 1에 있어서,
    상기 영상이미지획득부는,
    (a)상기 건해삼의 RGB 이미지를 형성하는 단계;
    (b)상기 RGB 이미지를 그레이 스케일로 구현된 이미지로 변환하는 이진화단계;
    (c)이진화된 상기 건해삼의 이미지에서 노이즈를 제거하는 단계;
    (d)노이즈가 제거되고 이진화된 상기 건해삼의 이미지를 2차원 그래프에 투영하는 단계;
    (e)노이즈가 제거된 상기 건해삼의 이미지에서 중심행을 찾는 단계; 및
    (f)상기 중심행을 기준으로 소정의 축으로 상기 건해삼의 이미지를 회전시켜 건해삼의 3차원 이미지를 획득하는 단계; 로 이루어진 것을 특징으로 하는, 영상 분석을 이용한 건해삼 등급 분류 시스템.
  4. 청구항 3에 있어서,
    상기 (b)단계에서,
    설정된 기준그레이스케일 값을 기준으로 상기 RGB 이미지를 이진화시키는 것을 특징으로 하는, 영상 분석을 이용한 건해삼 등급 분류 시스템.
  5. 청구항 3에 있어서,
    상기 (c)단계에서,
    공간필터인 미디언 필터링을 이용하여 건해삼의 이미지에서 노이즈를 제거하는 것을 특징으로 하는, 영상 분석을 이용한 건해삼 등급 분류 시스템.
  6. 청구항 3에 있어서,
    상기 (e)단계에서,
    상기 건해삼의 이미지를 이루는 모든 행의 각각의 열을 이루는 픽셀수를 계산하여 최대의 열을 이루는 픽셀수를 가지는 행을 상기 중심행으로 설정하는 것을 특징으로 하는, 영상 분석을 이용한 건해삼 등급 분류 시스템.
  7. 청구항 3에 있어서,
    상기 (f)단계에서,
    상기 중심행을 기준으로 상기 건해삼의 이미지를 X축으로 회전시켜 상기 건해삼의 3차원 이미지를 획득하는 것을 특징으로 하는, 영상 분석을 이용한 건해삼 등급 분류 시스템.
  8. 삭제
  9. 삭제
KR1020160169801A 2016-12-13 2016-12-13 영상 분석을 이용한 건해삼 등급 분류 시스템 KR102596206B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160169801A KR102596206B1 (ko) 2016-12-13 2016-12-13 영상 분석을 이용한 건해삼 등급 분류 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160169801A KR102596206B1 (ko) 2016-12-13 2016-12-13 영상 분석을 이용한 건해삼 등급 분류 시스템

Publications (2)

Publication Number Publication Date
KR20180068150A KR20180068150A (ko) 2018-06-21
KR102596206B1 true KR102596206B1 (ko) 2023-10-30

Family

ID=62806945

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160169801A KR102596206B1 (ko) 2016-12-13 2016-12-13 영상 분석을 이용한 건해삼 등급 분류 시스템

Country Status (1)

Country Link
KR (1) KR102596206B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109118540B (zh) * 2018-07-20 2021-05-04 宁波智哲信息科技有限公司 基于脊线提取的鲟鱼快速统计方法
CN112077018A (zh) * 2020-08-30 2020-12-15 哈尔滨工程大学 一种采用计算机视觉的海参大小筛选方法
CN117854116B (zh) * 2024-03-08 2024-05-17 中国海洋大学 一种基于贝塞尔曲线的海参原位长度测量方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007086056A (ja) 2005-08-26 2007-04-05 Seiko Epson Corp 欠陥検出方法および欠陥検出装置
KR101619031B1 (ko) 2015-12-31 2016-05-18 충남대학교산학협력단 세균감염 수박종자의 선별을 위한 단파 적외선 초분광 영상 시스템 및 선별 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100948406B1 (ko) * 2007-11-13 2010-03-19 성균관대학교산학협력단 닭도체의 품질등급 자동 판정 및 중량 산출시스템
KR101508818B1 (ko) 2012-12-31 2015-04-06 강원대학교산학협력단 원적외선을 이용한 건해삼 제조방법.

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007086056A (ja) 2005-08-26 2007-04-05 Seiko Epson Corp 欠陥検出方法および欠陥検出装置
KR101619031B1 (ko) 2015-12-31 2016-05-18 충남대학교산학협력단 세균감염 수박종자의 선별을 위한 단파 적외선 초분광 영상 시스템 및 선별 방법

Also Published As

Publication number Publication date
KR20180068150A (ko) 2018-06-21

Similar Documents

Publication Publication Date Title
Jhawar Orange sorting by applying pattern recognition on colour image
Haidar et al. Image-based date fruit classification
Diago et al. Assessment of flower number per inflorescence in grapevine by image analysis under field conditions
Yang et al. Tea diseases detection based on fast infrared thermal image processing technology
Rupanagudi et al. A cost effective tomato maturity grading system using image processing for farmers
Lü et al. Leaf area measurement based on image processing
Gill et al. Monitoring and grading of tea by computer vision–A review
KR102596206B1 (ko) 영상 분석을 이용한 건해삼 등급 분류 시스템
Khotimah et al. Tuna fish classification using decision tree algorithm and image processing method
Ghasemi-Varnamkhasti et al. Application of image analysis combined with computational expert approaches for shrimp freshness evaluation
Angel et al. Assessing the state of maturation of the pineapple in its perolera variety using computer vision techniques
Asmara et al. Chicken meat freshness identification using the histogram color feature
Bhookya et al. Yield estimation of chilli crop using image processing techniques
Sabri et al. Evaluation of color models for palm oil fresh fruit bunch ripeness classification
CN113409360A (zh) 高空抛物检测方法和装置、设备及计算机存储介质
Yimyam et al. Physical properties analysis of mango using computer vision
EP2807631B1 (en) Device and method for detecting a plant against a background
Setyawan et al. Comparison of hsv and lab color spaces for hydroponic monitoring system
Asmara et al. Chicken meat freshness identification using colors and textures feature
CN112816487B (zh) 一种基于机器视觉的皮蛋内部品质无损检测方法
Motonaga et al. A method of making digital fruit color charts for cultivation management and quality control
Sandoval et al. Digital image processing for classification of coffee cherries
Amirulah et al. Starfruit color maturity classification using Cr as feature
Monavar et al. Detection of red ripe tomatoes on stem using Image Processing Techniques
Ningsih et al. Classification Of Tomato Maturity Levels Based on RGB And HSV Colors Using KNN Algorithm

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant