Metody modelowania matematycznego kształtu jabłek

• Autorzy: Mieszkalski L.

Warianty tytułu

EN

Methods of mathematical modeling the shape of apples

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono propozycję sześciu metod matematycznego modelowania kształtu jabłek. Kształt jabłka opisano posługując się: obrotem modyfikowanego równania konchoidy okręgu względem naturalnej osi symetrii jabłka, równaniem torusa, macierzą geometrii, konturami przekrojów poprzecznych, konturami przekrojów poprzecznych i wygładzaniem danych, konturami przekrojów podłużnych i wygładzaniem danych. Do opisu kształtu 3D jabłka w przestrzeni cyfrowej wykorzystano narzędzia grafiki komputerowej. Opisy kształtu konturów przekrojów jabłka (pochodzących z fotografii lub mechanicznego cięcia) zapisano za pomocą krzywych Béziera. Do modelowania wybrano jabłko odmiany Jonagored. Przedstawione metody mogą być stosowane do matematycznego modelowania kształtu jabłek.

EN

The article presents proposes six methods of mathematical modeling of the shape of apples. Apple shape is described using: rotating modified equation conchoid circle relative to the natural axis of symmetry of apples, the equation of the torus, geometry matrix, outlines of cross-sections, cross sections and contours smoothing data, outlines longitudinal sections and smoothing the data. To describe apples 3D shape in the space digital uses in computer graphics tools. Describe the shape of the contour sections apples (from a photograph or a mechanical cutting) were made using Bezier curves. Was selected modeling apple varieties Jonagored. The method can be used for mathematical modeling of the shape of the apples.

Słowa kluczowe

PL

jabłko; kształt; metody; modele matematyczne; modele 3D

EN

apple; design; methods; mathematical models; 3D models

• Wydawca: Wyższa Szkoła Menadżerska
• Czasopismo: Postępy Techniki Przetwórstwa Spożywczego
• Rocznik: 2016
• Tom: Nr 2
• Strony: 24--30
• Opis fizyczny: Bibliogr. 29 poz., fig., rys., tab.

Twórcy

autor

Mieszkalski L.

• Katedra Organizacji i Inżynierii Produkcji, SGGW w Warszawie

Bibliografia

• [1] ALCHANATIS V., K. PELEG, M. ZIV. 1993. “Classification of tissue culture segments by colour machine vision”. JAER, vol. 55: 299-311.
• [2] ANDERS A., P. MARKOWSKI, Z. KALINIEWICZ. 2014. „Badanie właściwości geometrycznych i fizycznych owoców wybranych odmian gruszy na podstawie modeli numerycznych uzyskanych za pomocą skanera 3D”. Zeszyty Problemowe Postępów Nauk Rolniczych 577: 3-12.
• [3] BHATT A. K., K. S. VAISLA. 2014. “Assessment of Apple Quality based on Scaled Conjugate Gradient Technique, Using Artificial Neural Network Model”. International Journal of Digital Contents and Applications, Vol.1, No.1: 1-8.
• [4] BOZOKALFA M. K., M. KILIC. 2010. „Mathematical modeling in the estimation of pepper (Capsicumannuum L.) fruit volume”. Chilean Journal of Agricultural Research 70(4): 626-632.
• [5] DANCKAERS F., T. HUYSMANSA, MATTIAS Van DAELB, P. VERBOVENB, B. NICOLAIB, J. SIJBERSA. 2015. “Building a statistical shape model of the apple from corresponded surfaces”. Chemical Engineering Transactions, Vol. 44, Online at www. aidic.it/cet.
• [6] DICKSON M. A., W. C. BAUSCH W., M. S. HOWARTH. 1994. “Classification of a broadleaf weed, a grassy weed, and corn using image processing techniques”. SPIE vol. 2345: 297-305.
• [7] ELFIKY N. M., S. A. AKBAR, J. SUN, J. PARK, A. KAK. 2015. Automation of Dormant Pruning in Specialty Crop Production: An Adaptive Framework for Automatic Reconstruction and Modeling of Apple Trees. CVF: 65-73.
• [8] GHULAM M. 2015. “Date Fruites Classification Using Texture Descriptors and Shape-Size Features”. Engineering Applications of Artificial Intelligence: 361-367.
• [9] GUYER D.E., G. E. MILES, L. D. GAULTNEY, M. M. SCHEREIBER. 1993. “Application of machine vision to shape analysis in leaf and plant identification”. TASAE, vol. 36, no. 1: 163-171.
• [10] GROWE T. G., M. J. DELWICHE. 1996. „A system for fruit defect detection in real-time”. AGENG, 96F-023.
• [11] HO Q. et al. 2011. “A Three-Dimensional Multiscale Model for Gas Exchange in Fruit”. Plant Physiology: 1158-1168.
• [12] IQBAL S., A. GOPAL, A. SARMA. 2011. Volume Estimation of Apple Fruits Using Image Processing. s.l., s.n.
• [13] JANCSOK, P., L. CLIJMANS, B. NICOLAÏ, J. DE BAERDEMAEKER. 2001. “Investigation of the Effect of Shape on the Acoustic Responce of Conference Pears by Finite Element Modelling”. Postharvest Biology and Technology: 1-12.
• [14] KESHAVARZPOUR F., M. RASHIDI. 2011. “Prediction of Apple Mass Based on Some Geometrical Properties Using Linear Regression Models”. Academic Journal of Plant Sciences 4 (4): 118-123.
• [15] LIU Z., S. SWADDIWUDHIPONGC, W. HONGD. 2013. „Pattern formation in plants via instability theory of hydrogels”. This journal is ª The Royal Society of Chemistry, Soft Matter, 9: 577–587. DOI: 10.1039/ c2sm26642c
• [16] MILLER B. K., M. J. DELWICHE. 1991. “Peach defect detection with machine vision”. TASAE, vol. 34, no. 6, (1991): 2588-2597.
• [17] MOLTÓ E., N. ALEIXOS, L. A. RUIZ, J. VÁZQUEZ, F. JUSTE. 1996. “An artificial vision system for fruit quality assessment”. AGENG 96, Madrid, no. 96F-078.
• [18] OKAMURA N. K., M. J. DELWICHE, J. F. THOMPSON. 1991. “Raising grading by machine vision”. ASAE: 91-7011.
• [19] PENG Y., R. LU. 2006. “Improving apple fruit firmness predictions by effective correction of multispectral scattering images”. Postharvest Biology and Technology 41: 266-274.
• [20] RAKUN, J. et al. 2012. “Detecting Natural Objects by Means of 2D and 3D Shape Analysis”. Optija, Croatia, s.n.: 345-354.
• [21] RUIZ L. A., E. MOLTÓ, F. JUSTE, N. ALEIXOS. 1995. “Aplicación de métodos ópticos para la inspección automática de productos hortofrutícolas”. VI Congreso de la Sociedad Española de Ciencias Hortícolas, Barcelona.
• [22] SARKAR N., R. R. WOLFE. 1985. “Feature extraction techniques for sorting tomatoes by computer vision”. TASAE, vol. 28, no. 3: 970-974.
• [23] STAJNKO D. et al., 2013. “Modeling of ‘Gala’ Apple Fruits Diameter for Improving the Accuracy of Early Yield Prediction”. Scienta Horticulturae: 306-312.
• [24] STAJNKO D., Z. ÈMELIK. 2005. “Modelling of Apple Fruit Growth by Application of Image Analysis”. Agriculturae Conspectus Scientificus, Vol. 70, No. 2: 59-64.
• [25] TAO Y., C. T. MORROW, P. H. HEINEMANN, J. H. SOMMER. 1990. “Automated machine vision inspection of potatoes”. ASAE: 90-3531.
• [26] VARGHESE Z., C. T. MORROW, P. H. HEINEMANN, J. H. SOMMER, Y. TAO, R. M. CRASSWELLER. 1991. “Automated inspection of golden delicious apples using color computer vision”. ASAE: 91-92.
• [27] WANG Q., S. NUSKE, M. BERGERMAN, S. SINGH. 2012. “Automated crop yield estimation for apple orchards”. In: Proceedings of the 13th International Symposium on Experimental Robotics, Quebec, QC, Canada: 745-758.
• [28] XIAO C. Y., L. H. ZHENG, M. Z. LI, Y. CHEN, C. Y. MAI. 2015. “Apple detection from apple tree image based on BP neural network and Hough transform”. Int J Agric & Biol Eng. 8(6): 46-53.
• [29] ZADRAVEC P. et al., 2013. “Fruit Size Prediction of Four Apple Cultivars: Accuracy and Timing”. Scientia Horticulturae: 177-181.