توسعه و ارزیابی الگوریتم پردازش تصویر برای دانه بندی کریستال های شکر سفید

آزمون الک روش استانداردی است که در کارخانه های تولید شکر برای تعیین اندازه ذرات شکر به طور گسترده استفاده می شود. نیاز به نمونه های نسبتاً بزرگ، زمانبر بودن، محدود بودن اطلاعات بدست آمده، خودکار و آنلاین نبودن از معایب آزمون الک می باشند. تکنیک پردازش تصویر می تواند بصورت سریع، خودکار و لحظه ای پارامترهای مربوط به اندازه و شکل ذرات شکر را تعیین نماید و جایگزین مناسبی برای آزمون الک می باشد. در این پژوهش با هدف ارائه الگوریتم مناسب پردازش تصویر برای تعیین اندازه کریستال های شکر سفید، ابتدا کریستال های توده شکر با استفاده از آزمون استاندارد الک (در 7 اندازه الک و 10 تکرار) بر اساس اندازه دسته بندی شدند. سپس تصاویر کریستال ها با استفاده از یک میکروسکوپ دیجیتال با دوربین 5 مگاپیکسلی تهیه شد. سه نشانگر پیش زمینهپس زمینه (fb)، فرسایش نهایی (ue) و تبدیل فاصله (dt) برای بخش بندی تصاویر و استخراج پارامترهای هندسی ذرات در محیط جعبه ابزار پردازش تصویر نرم افزار متلب استفاده شدند. تجزیه واریانس مقادیر شاخص میانگین روزنه (ma) بر اساس آزمایش فاکتوریل در قالب طرح کاملاً تصادفی و مقایسه میانگین ها با آزمون چند دامنه دانکن انجام شد. تاثیر هر دو عامل اندازه الک و روش بخش بندی و همچنین اثر متقابل آنها بر مقدار ma معنادار بود. مقادیر ma نشانگرهای fb و ue با مقدار ma مرجع بدست آمده با روش دستی تفاوت معناداری در سطح یک درصد نداشت. از آنجائیکه نشانگر ue بدلیل خطای کمتر در تعیین ma (برابر با 10.13 درصد) بهترین عملکرد را داشت، لذا برای تعیین آنلاین اندازه کریستال های شکر سفید با تکنیک پردازش تصویر توصیه می شود.

Development and Evaluation of an Image Processing Algorithm for Gradation of White Sugar Crystals

Sieve test is a standard method widely used in sugar factories to determine the size of sugar particles. Needing for relatively large samples, timeconsuming, limited measured parameters, being not automatic and offline are main disadvantages of the sieve test. Image processing technique can determine the parameters related to size and shape of sugar particles, quickly, automatically and instantly and is a good alternative to the sieve test. The objective of this study was presenting a suitable image processing algorithm for online determination of white sugar crystals size. First, the sugar mass crystals were sorted according to size using the standard sieve test (with 7 sieves at 10 replications). Then, the crystals images were taken by a digital microscope with 5 megapixels image sensor. Three marking methods, including foregroundbackground (FB), ultimate erosion (UE) and distance transform (DT), were used for images segmentation and determination of the crystals morphological parameters in the image processing toolbox of MATLAB software. The analysis of variance of mean aperture (MA) values was performed based on factorial experiment in a completely randomized design and the mean of MA values was compared with Duncan’s multiple range test. The effects of both sieve size and segmentation method factors as well as their interaction on the MA value were significant. The MA of FB and UE markers were not significantly different from the reference MA value that obtained manually at 1% level. Since, the UE marker showed the best performance in MA determination due to a lower error (equal 10.13%), so it is recommended for online determination of white sugar particles size by image processing.