Разработка графического интерфейса приложения для системы технического зрения линии сортировки плодов
Ключевые слова:
графический интерфейс, искусственная нейронная сеть, сортировка яблок, техническое зрение, блок управления
Аннотация
Введение. В настоящее время интуитивно понятный графический интерфейс является обязательным компонентом современных программных продуктов, ориентированных на работу в сфере сельскохозяйственного производства.
Цель статьи. Повышение эффективности сортировки яблок посредством разработки графического интерфейса управления системой технического зрения для распознавания различных дефектов и сортировки яблок.
Материалы и методы. В работе авторами использовались методы анализа, перебора, сравнения и синтеза современных программных решений.
Результаты исследования. В результате исследований создано графическое приложение программного обеспечения блока управления системой технического зрения, содержащее все необходимые инструменты для управления и оптимизации затрат при сортировке яблок на три товарных сорта.
Обсуждение и заключение. Созданный графический интерфейс системы технического зрения использован в линии сортировки и фасовки яблок ЛСП-4, разработанной Научно-практическим центром Национальной академии наук Беларуси по механизации сельского хозяйства в 2020 г. и успешно прошедшей государственные приемочные испытания.
Литература
1. Смирнов И. Г., Хорт Д. О., Кутырев А. И. Интеллектуальные технологии и роботизированные машины для возделывания садовых культур // Сельскохозяйственные машины и технологии. 2021. Т. 15, № 4. С. 35–41. https://doi.org/10.22314/2073-7599-2021-15-4-35-41
2. Разработка методов мультиспектральной дифференциации природных и синтетических материалов на основании спектральных характеристик диффузного отражения / Ш. З. Ловпаче [и др.] // Известия СПБГЭТУ ЛЭТИ. 2021. № 10. С. 11–17. URL: https://izv.etu.ru/assets/files/izvestiya-10-2021-11-17.pdf (дата обращения: 29.03.2023).
3. Казакевич П. П., Юрин А. Н., Прокопович Г. А. Система технического зрения распознавания дефектов яблок: обоснование, разработка, испытание // Известия Национальной академии наук Беларуси. Серия аграрных наук. 2021. Т. 59, № 4. С. 488–500. https://doi.org/10.29235/1817-7204-2021-59-4-488-500
4. Разработка алгоритмов системы распознавания ягод земляники садовой при роботизированном сборе / Д. О. Хорт [и др.] // Электротехнологии и электрооборудование в АПК. 2020. № 1. С. 133–141. https://doi.org/10.22314/2658-4859-2020-67-1-133-141
5. Коваленко Т. А., Солодов А. Г. Игровой интерфейс, как объект исследования // The Scientific Heritage. 2020. № 45-1 (45). С. 36–42. EDN: ZJQNAN
6. Кудрявцев М. А. Методика измерения сложности восприятия графического интерфейса пользователя // Современные инновации. 2017. № 4 (18). С. 10–12. EDN: YKRBCF
7. Дудник М. Д. Разработка пользовательских интерфейсов программного обеспечения для анализа данных: обзор существующих подходов // Вестник молодых ученых Санкт-Петербургского государственного университета технологии и дизайна. 2022. № 2. С. 23–28. URL: http://publish.sutd.ru/docs/content/vestnik_mu_2_2022.pdf (дата обращения: 29.03.2023).
8. Федорова С. В. Определение многокритериального показателя качества графического интерфейса программно-аппаратного комплектного комплекса связи // Наукоемкие технологии в космических исследованиях Земли. 2021. Т. 13, № 3. С. 20–27. https://doi.org/10.36724/2409-5419-2021-13-3-20-27
9. Тиханычев О. В. Пользовательские интерфейсы в автоматизированных системах: проблемы разработки // Программные системы и вычислительные методы. 2019. № 2. С. 11–22. https://doi.org/10.7256/2454-0714.2019.2.28443
10. Назаренко Н. А., Падерно П. И. Влияние интерфейса на состояние и здоровье оператора // Биотехносфера. 2009. № 6 (6). С. 45–52. URL: https://cyberleninka.ru/article/n/vliyanie-interfeysana-sostoyanie-i-zdorovie-operatora/viewer (дата обращения: 29.03.2023).
11. Конюхова О. В. Модель системы управления интерфейсом пользователя для разработки пользовательских интерфейсов графических редакторов // Известия Орловского государственного технического университета. Серия: Информационные системы и технологии. 2004. № 5 (6). С. 82–86. URL: https://oreluniver.ru/science/journal/isit/archive?p=11 (дата обращения: 29.03.2023).
12. Хорт Д. О., Кутырев А. И., Филиппов Р. А. Система компьютерного зрения для распознавания ягод земляники садовой // Новости науки в АПК. 2019. № 3 (12). С. 308–313. https://doi.org/10.25930/2218-855X/080.3.12.2019
13. Разработка навесной системы для управления пропашным культиватором в автоматическом режиме / В. В. Азаренко [и др.] // Вес. Нац. акад. навук Беларусі. Сер. аграр. навук. 2021. Т. 59, № 2. С. 232–242. https://doi.org/10.29235/1817-7204-2021-59-2-232-242
14. Горонков К. А., Руденко О. В., Усатиков C. В. База данных обучающей выборки для высокоточного распознавания плоских изображений сортов злаковых и масличных культур // Фундаментальные исследования. 2011. № 8–2. С. 342–346. URL: https://fundamental-research.ru/ru/article/view?id=27960 (дата обращения: 29.03.2023).
15. Истратова Е. Е., Пустовских Д. А. Разработка и исследование биометрической системы распознавания лиц на основе применения метода глубокого обучения // International Journal of Open Information Technologies. 2022. Т. 10, № 12. С. 66‒74. URL: https://cyberleninka.ru/article/n/razrabotka-i-issledovanie-biometricheskoy-sistemy-raspoznavaniya-lits-na-osnove-primeneniya-metodaglubokogo-obucheniya/viewer (дата обращения: 29.03.2023).
16. Арефьев Р. А., Зудилова Т. В. SOA паттерн проектирования пользовательских интерфейсов для мультиплатформенных приложений // Программные системы и вычислительные методы. 2016. № 2. С. 201–209. https://doi.org/10.7256/2305-6061.2016.2.18627
17. Tsai W. T., Shao Q., Li W. Service-oriented user interface modeling and composition // e-Business Engineering, 2008. ICEBE'08. IEEE International Conference on. IEEE, 2008. С. 21‒28. https://doi.org/10.1109/SOCA.2010.5707139
18. Building Multi-platform User Interfaces with UIML / M. F. Ali [et al.] // Computer-Aided Design of User Interfaces III. Springer Netherlands, 2002. P. 255‒266. https://doi.org/10.48550/arXiv.cs/0111024
19. Ganganagowdar N. V., Gundad A. V. Intelligent Computer Vision System for Vegetables and Fruits Quality Inspection Using Soft Computing Techniques // Agricultural Engineering International. 2019. Vol. 21, issue 3. Р. 171–178. URL: https://cigrjournal.org/index.php/Ejounral/article/view/5188 (дата обращения: 29.03.2023).
20. Gauch S., Chaffee J., Pretschner A. Ontology-based Personalized Search and Browsing. Web Intelligence and Agent Systems, 1, 2003. P. 219–234. URL: https://www.researchgate.net/publication/220298562_Ontology-based_personalized_search_and_browsing (дата обращения: 29.03.2023).
2. Разработка методов мультиспектральной дифференциации природных и синтетических материалов на основании спектральных характеристик диффузного отражения / Ш. З. Ловпаче [и др.] // Известия СПБГЭТУ ЛЭТИ. 2021. № 10. С. 11–17. URL: https://izv.etu.ru/assets/files/izvestiya-10-2021-11-17.pdf (дата обращения: 29.03.2023).
3. Казакевич П. П., Юрин А. Н., Прокопович Г. А. Система технического зрения распознавания дефектов яблок: обоснование, разработка, испытание // Известия Национальной академии наук Беларуси. Серия аграрных наук. 2021. Т. 59, № 4. С. 488–500. https://doi.org/10.29235/1817-7204-2021-59-4-488-500
4. Разработка алгоритмов системы распознавания ягод земляники садовой при роботизированном сборе / Д. О. Хорт [и др.] // Электротехнологии и электрооборудование в АПК. 2020. № 1. С. 133–141. https://doi.org/10.22314/2658-4859-2020-67-1-133-141
5. Коваленко Т. А., Солодов А. Г. Игровой интерфейс, как объект исследования // The Scientific Heritage. 2020. № 45-1 (45). С. 36–42. EDN: ZJQNAN
6. Кудрявцев М. А. Методика измерения сложности восприятия графического интерфейса пользователя // Современные инновации. 2017. № 4 (18). С. 10–12. EDN: YKRBCF
7. Дудник М. Д. Разработка пользовательских интерфейсов программного обеспечения для анализа данных: обзор существующих подходов // Вестник молодых ученых Санкт-Петербургского государственного университета технологии и дизайна. 2022. № 2. С. 23–28. URL: http://publish.sutd.ru/docs/content/vestnik_mu_2_2022.pdf (дата обращения: 29.03.2023).
8. Федорова С. В. Определение многокритериального показателя качества графического интерфейса программно-аппаратного комплектного комплекса связи // Наукоемкие технологии в космических исследованиях Земли. 2021. Т. 13, № 3. С. 20–27. https://doi.org/10.36724/2409-5419-2021-13-3-20-27
9. Тиханычев О. В. Пользовательские интерфейсы в автоматизированных системах: проблемы разработки // Программные системы и вычислительные методы. 2019. № 2. С. 11–22. https://doi.org/10.7256/2454-0714.2019.2.28443
10. Назаренко Н. А., Падерно П. И. Влияние интерфейса на состояние и здоровье оператора // Биотехносфера. 2009. № 6 (6). С. 45–52. URL: https://cyberleninka.ru/article/n/vliyanie-interfeysana-sostoyanie-i-zdorovie-operatora/viewer (дата обращения: 29.03.2023).
11. Конюхова О. В. Модель системы управления интерфейсом пользователя для разработки пользовательских интерфейсов графических редакторов // Известия Орловского государственного технического университета. Серия: Информационные системы и технологии. 2004. № 5 (6). С. 82–86. URL: https://oreluniver.ru/science/journal/isit/archive?p=11 (дата обращения: 29.03.2023).
12. Хорт Д. О., Кутырев А. И., Филиппов Р. А. Система компьютерного зрения для распознавания ягод земляники садовой // Новости науки в АПК. 2019. № 3 (12). С. 308–313. https://doi.org/10.25930/2218-855X/080.3.12.2019
13. Разработка навесной системы для управления пропашным культиватором в автоматическом режиме / В. В. Азаренко [и др.] // Вес. Нац. акад. навук Беларусі. Сер. аграр. навук. 2021. Т. 59, № 2. С. 232–242. https://doi.org/10.29235/1817-7204-2021-59-2-232-242
14. Горонков К. А., Руденко О. В., Усатиков C. В. База данных обучающей выборки для высокоточного распознавания плоских изображений сортов злаковых и масличных культур // Фундаментальные исследования. 2011. № 8–2. С. 342–346. URL: https://fundamental-research.ru/ru/article/view?id=27960 (дата обращения: 29.03.2023).
15. Истратова Е. Е., Пустовских Д. А. Разработка и исследование биометрической системы распознавания лиц на основе применения метода глубокого обучения // International Journal of Open Information Technologies. 2022. Т. 10, № 12. С. 66‒74. URL: https://cyberleninka.ru/article/n/razrabotka-i-issledovanie-biometricheskoy-sistemy-raspoznavaniya-lits-na-osnove-primeneniya-metodaglubokogo-obucheniya/viewer (дата обращения: 29.03.2023).
16. Арефьев Р. А., Зудилова Т. В. SOA паттерн проектирования пользовательских интерфейсов для мультиплатформенных приложений // Программные системы и вычислительные методы. 2016. № 2. С. 201–209. https://doi.org/10.7256/2305-6061.2016.2.18627
17. Tsai W. T., Shao Q., Li W. Service-oriented user interface modeling and composition // e-Business Engineering, 2008. ICEBE'08. IEEE International Conference on. IEEE, 2008. С. 21‒28. https://doi.org/10.1109/SOCA.2010.5707139
18. Building Multi-platform User Interfaces with UIML / M. F. Ali [et al.] // Computer-Aided Design of User Interfaces III. Springer Netherlands, 2002. P. 255‒266. https://doi.org/10.48550/arXiv.cs/0111024
19. Ganganagowdar N. V., Gundad A. V. Intelligent Computer Vision System for Vegetables and Fruits Quality Inspection Using Soft Computing Techniques // Agricultural Engineering International. 2019. Vol. 21, issue 3. Р. 171–178. URL: https://cigrjournal.org/index.php/Ejounral/article/view/5188 (дата обращения: 29.03.2023).
20. Gauch S., Chaffee J., Pretschner A. Ontology-based Personalized Search and Browsing. Web Intelligence and Agent Systems, 1, 2003. P. 219–234. URL: https://www.researchgate.net/publication/220298562_Ontology-based_personalized_search_and_browsing (дата обращения: 29.03.2023).
Опубликован
2023-10-04
Раздел
Пищевые системы
