COFFEE RIPENESS CLASSIFICATION WITH HSV IMAGE PROCESSING
Keywords:
Classification, Ripeness, Coffee, Image processing, HSV color spaceAbstract
The research aimed to present a method for determining the coffee ripeness from photographs in 4 types of ripeness: red (ripe), yellow (half ripe), green (raw) and brown (very ripe) by analyzing color characteristics with image processing. The research process consisted of 4 stages. First, a color was converted from RGB to HSV color space. Second, colors were detected within a given HSV color range. Third, object contours were detected. Fourth, the object was framed. The results of testing the system performance on the accuracy of coffee classification from photographs showed that the efficiency of red (ripe) was 97%, yellow (half ripe) 95.67%, green (raw) and brown (very ripe) 100%. Therefore, the average system efficiency was 98.17%, which was very high. It can be concluded that the methods for determining the coffee ripeness from photographs will be very useful for developing a coffee color sorter.
References
กวิน ชินพงศ์, อสมา ตั้งปรมัตถ์สกุล, ธัญรดา โพธิ์พระรส, ทศพร บุญชู, ปกรณ์ ล่องทอง, พร พันธุ์จงหาญ และพีรุทย์ เชียรวิชัย. (2564). การสกัดคุณลักษณะเอบีซีดีเพื่อประเมินความเสี่ยงโรคผิวหนังเมลาโนมาด้วยการ ประมวลผลภาพ: การทบทวนวรรณกรรม. วารสารวิชาการราชวิทยาลัยจุฬาภรณ์, 3(4), 230-245.
ธนโชติ ภาชะนัย, จักรกริช ปานเงิน, กรรณิการ์ คนงาน, วรชัย ศรีสมุดคำ และวาสนา วงศ์ษา. (2565). เครื่องคัดแยกขยะรีไซเคิลด้วย การประมวลผลภาพ. วารสารวิชาการเทคโนโลยีอุตสาหกรรมและวิศวกรรม มหาวิทยาลัยราชภัฏพิบูลสงคราม, 4(2), 242-253.
นภารัตน์ ชูไพร, เอกรินทร์ วิจิตต์พันธ์, พิมพ์ชนก แก้วอุดม และชุติมา ยอดเกื้อ. (2565). การพัฒนาระบบพาณิชย์อิเล็กทรอนิกส์ สำหรับเพิ่มช่องทางการจำหน่ายผลิตภัณฑ์กาแฟวิสาหกิจชุมชนบ้านถ้ำสิงห์ จังหวัดชุมพร.วารสารวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยอุบลราชธานี, 24(3), 39-49.
บอย ดาศรี และนรภัทร สานุจิตร. (2564). ระบบการตรวจจับไฟไหม้ด้วยวิธีการหาเส้นขอบของภาพและระบบสี HSV. วารสารวิทยาศาสตร์เทคโนโลยีและนวัตกรรม, 2(1), 10-14.
พิศณุ คูมีชัย. (2564). ระบบรู้จำสัญญาณมือทางทหารด้วยการประมวลผลภาพดิจิทัล. วารสารวิทยาศาสตร์เทคโนโลยีและนวัตกรรม, 2(5), 28-36.
พิศณุ คูมีชัย. (2565). การประมาณน้ำหนักสุกรโดยใช้การประมวลผลภาพและโครงข่ายประสาทเทียม. วารสารวิชาการโรงเรียนนายเรือด้านวิทยาศาสตร์และเทคโนโลยี, 5(1), 72-82.
วีระยุทธ สุริคำ, นพดล อ่ำดี และชัยธำรง พงษ์พัฒนศิริ. (2564). การจำแนกความสุกของกล้วยฉาบด้วยเทคนิคการ ประมวลผลภาพ. วารสารวิชาการเทคโนโลยีอุตสาหกรรมและวิศวกรรม มหาวิทยาลัยราชภัฏพิบูลสงคราม, 3(1), 55-67.
อรอุมา พร้าโมต. (2564). การวิเคราะห์ระดับความสุกของกล้วยจากภาพถ่ายด้วยโมเดลสีอาร์จีบีและการเรียนรู้ แบบมีผู้สอน. วารสารวิทยาศาสตร์และเทคโนโลยี มทร. สุวรรณภูมิ
(The Journal of Science and Technology RMUTSB), 5(พิเศษ), 34-34.
เอกรัตน์ สุขสุคนธ์, ชลทิศ สันติวงศ์งาม, วัชรพล คำแขก และศศิชา ปานสุวรรณ์. (2565). ระบบวิเคราะห์การสุกของ ผลไม้ด้วยเทคโนโลยีการประมวลผลภาพ. วารสารวิทยาการและเทคโนโลยีสารสนเทศ (JIST), 12(1), 61-66.
Dubey, S.R., & Jalal, A.S. (2012). Detection and classification of apple fruit diseases using complete local binary patterns. Paper presented at the 2012 Third International Conference on Computer and Communication Technology. Allahabad, India.
Dubey, S.R., & Jalal, A. (2012). Robust approach for fruit and vegetable classification. Procedia Engineering, 38, 3449-3453.
Jansuwan, P., & Zander, K. K. (2021). Getting Young People to Farm: How Effective Is Thailand’s Young Smart Farmer Programme? Sustainability.MDPI Journal, 13(21), 11611.
Kumari, R.S.S., & Gomathy, V. (2018). Fruit classification using statistical features in svm classifier. Paper presented at the 2018 4th International Conference on Electrical Energy Systems (ICEES). Chennai, India.
Pardede, J., Husada, M.G., Hermana, A.N., & Rumapea, S.A. (2019). Fruit Ripeness Based on RGB, HSV, HSL, L ab Color Feature Using SVM. Paper presented at the 2019 International Conference of Computer Science and Information Technology (ICoSNIKOM). Medan, Indonesia.
