ITEM METADATA RECORD
Title: Design of a sensor to monitor the grain cleanliness on combine harvesters
Other Titles: Ontwerp van een sensor om on-line de graanzuiverheid te bepalen op maaidorsers
Authors: Wallays, Carmen; M9800320
Issue Date: 3-Jun-2008
Abstract: De hoeveelheid MOG (Material Other than Grain) en gebroken korrels zijn belangrijke kwaliteitsparameters in graanproducten en hun concentratie is sterk afhankelijk van de instellingen van de maaidorser tijdens het oogsten. Indien deze kwaliteitsparameters on-line zouden kunnen opgemeten worden zou dit kunnen gebruikt worden als input voor de regeling van het dors- en reinigingsproces van de maaidorser om zo de concentratie van MOG en gebroken korrels onder een bepaalde gewenste waarde te houden. De automatisatie van het reinigingsproces van de maaidorser zou een uiterst interessante realisatie zijn in de nabije toekomst, aangezien de steeds groeiende populatie een stijgende vraag naar voedsel veroorzaakt. Hieraan moet een maximale efficiëntie van de voedselproductie en een maximale capaciteit van de dorsmachines tegemoetkomen. Het hoofddoel van dit onderzoek is de ontwikkeling van een sensor die de concentratie aan MOG en gebroken korrels van het geoogste gewas on-line op de maaidorser opmeet. Het werkingsprincipe van de sensor berust op multispectrale beeldverwerking. Eerst werden de spectrale eigenschappen van zuivere korrels en van de verschillende types MOG onderzocht door graanstalen van verschillende variëteiten van tarwe, gerst en maïs hyperspectraal op te meten. Op basis van deze data werd dan een genetisch algoritme toegepast om de beste combinatie van zes golflengtegebieden te selecteren voor de discriminatie tussen korrels en MOG voor tarwe, gerst en maïs. Het gebruik van zes golflengtegebieden in plaats van het volledige spectrum zorgt voor een stijging van de misclassificaties in de validatieset van 4.62% naar 7.12%, van 12.35% naar 22.91%, en van 16.16% naar 17.84% voor respectievelijk tarwe, gerst en maïs. Dit verlies in accuraatheid weegt niet op tegen de praktische voordelen voor de implementatie van een multispectraal imaging systeem. Na het selecteren van de best discriminerende golflengtegebieden voor de classificatie van pixels als korrel of MOG wordt de sensor ontworpen op die manier, zodat de reflectie van de verschillende golflengtegebieden kan worden geregistreerd. Er wordt geopteerd voor een pre-dispersieve methode, waarbij het staal achtereenvolgens belicht wordt met LEDs van de geselecteerde golflengten en de reflectie met een monochrome camera wordt opgemeten. Tijdens de oogst van 2006 en 2007 werd een databank aangelegd van beelden van graan van verschillende velden en van verschillende variëteiten van tarwe, gerst en maïs. Op basis van deze beelden worden lineaire en niet-lineaire modellen ontwikkeld voor het verkrijgen van een virtueel beeld. In dit virtueel beeld is het contrast tussen de korrels en het MOG maximaal door het combineren van de zes originele beelden. Lineaire technieken als CDA (Canonical Discriminant Analysis) en PLSDA (Partial Least Squares Discriminant Analysis) werden toegepast en LS-SVM (Least Squares-Support Vector Machine) werd getest als niet-lineaire techniek. De multivariate classificatie technieken maximaliseren het contrast tussen MOG en korrels in het virtueel beeld. Door elke pixel in dit virtueel beeld te classificeren door de grijswaarde met een drempelwaarde te vergelijken, wordt een binair beeld bekomen waarin de hoeveelheid MOG kan gekwantificeerd worden als oppervlakte% MOG in het beeld. De spectrale eigenschappen van granen kunnen variëren naargelang klimatologische invloeden, variëteiten, ziektes, schimmels of andere biologische effecten. Bovendien kan de intensiteit van de LEDÂ’s ook variëren. Dit alles kan de intensiteit van en het contrast in het virtueel beeld beïnvloeden en dus ook de optimale drempelwaarde of threshold om het virtueel beeld te binariseren. Daarom werd de performantie van verschillende adaptieve thresholds nagegaan en vergeleken met de performantie van een vaste threshold. De adaptieve threshold op basis van entropie werd als beste techniek weerhouden. Tenslotte werden, om de accuraatheid van de discriminantie alsnog te verhogen, spatiale eigenschappen van de pixels in rekening gebracht door het binair beeld morfologisch te verwerken. In het tweede deel van dit onderzoek werd de mogelijkheid nagegaan om de sensor aan te passen voor het monitoren van aflatoxine op maïskorrels. Tegenwoordig wordt de BGYF (Bright Green Yellow Fluorescence) test toegepast om de concentratie aan aflatoxine in een maïsstaal te schatten. Dit is een test waarbij fluorescentie wordt uitgelokt bij geïnfecteerde korrels waarna de fluorescenrende korrels worden geteld, maar deze test is zeer subjectief en tijdrovend. Daarom werd de sensor, die ontwikkeld werd in het eerste deel van dit onderzoek, aangepast door de LEDs van de specifieke golflengten te vervangen door LEDs van 365 nm en door een filter voor de camera te plaatsen om de fluorescentie te accentueren. Dan werd de mogelijkheid onderzocht om met de sensor fluorescerende korrels te detecteren door experimenteel de relatie te bepalen tussen het aantal getelde fluorescerende korrels per kilo maïs en het gemiddeld aantal fluorescerende korrels per beeld. Een goede correlatie (>0.9) werd bekomen tussen het aantal getelde fluorescerende korrels per kilo maïs en het gemiddeld aantal fluorescerende korrels per beeld. Vervolgens werd het signaal van de sensor vergeleken met de resultaten van een standaard staalname. Hieruit werd duidelijk dat de staalname procedure de grootste struikelblok is om een betrouwbaar signaal over aflatoxine contaminatie te genereren. Aangezien de kans op een fluorescerende korrel in een beeld veel kleiner is dan in het geval van MOG of gebroken korrels, moet het signaal over veel meer beelden uitgemiddeld worden om een betrouwbaar signaal te bekomen. Een mathematische benadering voor de quantificatie van fluorescerende korrels wees uit dat 1000 beelden nodig zijn om een aflatoxine concentratie van 5 ppb, hetgeen overeenkomt met de Europese HACCP limit voor menselijke consumptie, te detecteren.
Publication status: published
KU Leuven publication type: TH
Appears in Collections:Division of Mechatronics, Biostatistics and Sensors (MeBioS)

Files in This Item:

There are no files associated with this item.

Request a copy

 




All items in Lirias are protected by copyright, with all rights reserved.