HSV 색공간을 활용한 실시간 커피생두 불량 검출 시스템 (Development of a Coffee Bean Detection System Utilizing the HSV Color Space)

서지정보

· 발행기관 : 사단법인 한국융합기술연구학회
· 수록지 정보 : 아시아태평양융합연구교류논문지 / 11권 / 3호 / 437 ~ 448페이지
· 저자명 : 이소향, 노재춘, 최두현

초록

본 논문의 목적은 커피 생두의 시각적 품질 검사를 위해 HSV색공간을 활용한 불량 검출 시스템을 제시하는 것이다. 이 실험에서 두가지의 알고리즘을 적용하였다. 첫번째는 라인 스캔 카메라 영상으로 들어오는 객체를 이미지화 하여 중복 없이 각 객체를 분리하는 작업이다. 두번째는 객체의 HSV 분포를 그래프와 수치로 얻는 것이다. 비교대상은 정상두와 결점두로 하였다. 커피는 재배 상태, 보관 상태에 따라서 달라지게 되는데 아무 이상 없이 온전하게 유지한 원두를 정상두라고 하고 재배 상태가 나쁘거나 발아가 제대로 되지 못해 기형적으로 되었거나 곰팡이, 해충, 이물 등이 끼어서 품질이 떨어진 커피를 결점두라고 한다. H, S, V 값은 커피 생두의 40~50%에 해당하는 부분을 기준 값으로 삼는다. 라인스캔 카메라의 영상 프레임을 단일 이미지로 처리할 경우 이미지 경계면에서의 객체의 잘림 또는 후행 이미지에서 동일 객체가 다시 감지되는 경우가 발생하여 이러한 점을 보완하기위해 입력부분에 ‘HB(Historic Buffer)’라는 기능을 추가하여 객체의 잘림을 인식 후 처리하도록 보완했다. 정상두, 객체에서 결점이 75~100% 를 차지하는 결점두A, 객체에서 결점이 50~75%를 차지하는 결점두B, 이렇게 세 그룹으로 나누어 각 그룹의 평균 H, S, V 값을 비교했고 Value값에서 정상두와 결점두 선별이 가능한 것을 확인했다.

영어초록

The purpose of this paper is to present a defect detection system utilizing the HSV color space for the visual quality inspection of green coffee beans. Two algorithms were applied in this experiment. The first involves imaging objects received from a line scan camera and separating each object without duplication. The second entails obtaining the HSV distribution of the objects in the form of graphs and numerical data. The comparative subjects are normal beans and defective beans. Coffee can vary depending on cultivation and storage conditions, with intact beans referred to as normal beans, while defective beans refer to those that have deteriorated in quality due to poor cultivation conditions, deformities due to improper sprouting, or contamination by mold, pests, or foreign substances. The H, S, and V values are established as reference values based on 40-50% of the green coffee beans. When processing the video frames from the line scan camera into a single image, issues can arise, such as object truncation at the image boundaries or the same object being detected again in subsequent images. To address these issues, a feature called 'HB (Historic Buffer)' was added to the input section to recognize and process object truncation. The beans were divided into three groups: normal beans, defective beans A (with 75-100% defects), and defective beans B (with 50-75% defects). The average H, S, and V values of each group were compared, confirming that it is possible to distinguish between normal and defective beans based on value differences.

참고자료

· 없음