Detection, quantification and classification of ripened tomatoes: a comparative analysis of image processing and machine learning
Data files
Sep 14, 2021 version files 3.58 MB
-
011.jpg
7.49 KB
-
012.jpg
10.30 KB
-
013.jpg
7.86 KB
-
014.jpg
11.89 KB
-
015.jpg
11.30 KB
-
016.jpg
11.83 KB
-
017.jpg
16.26 KB
-
018.jpg
8.08 KB
-
019.jpg
9.93 KB
-
020.jpg
11.42 KB
-
021.jpg
8.53 KB
-
022.jpg
10.25 KB
-
023.jpg
10.18 KB
-
024.jpg
14.44 KB
-
025.jpg
11.18 KB
-
026.jpg
11.52 KB
-
027.jpg
19.34 KB
-
028.jpg
10.80 KB
-
029.jpg
14.82 KB
-
030.jpg
8.11 KB
-
031.jpg
13.48 KB
-
032.jpg
7.32 KB
-
033.jpg
9.90 KB
-
034.jpg
13.46 KB
-
035.jpg
9.34 KB
-
036.jpg
5.04 KB
-
037.jpg
9.12 KB
-
038.jpg
20.93 KB
-
039.jpg
8.59 KB
-
040.jpg
17.23 KB
-
041.jpg
12.61 KB
-
042.jpg
9.79 KB
-
043.jpg
10.38 KB
-
044.jpg
7.09 KB
-
045.jpg
11.86 KB
-
046.jpg
13.80 KB
-
047.jpg
4.70 KB
-
048.jpg
10.68 KB
-
049.jpg
12.38 KB
-
050.jpg
5.22 KB
-
051.jpg
8.61 KB
-
052.jpg
9.98 KB
-
053.jpg
9.06 KB
-
054.jpg
7.93 KB
-
055.jpg
7.49 KB
-
056.jpg
15.08 KB
-
057.jpg
9.11 KB
-
058.jpg
16.08 KB
-
059.jpg
11.48 KB
-
060.jpg
11.08 KB
-
061.jpg
10.63 KB
-
062.jpg
7.03 KB
-
063.jpg
4.12 KB
-
064.jpg
8.11 KB
-
065.jpg
8.62 KB
-
066.jpg
6.14 KB
-
067.jpg
9.98 KB
-
068.jpg
8.72 KB
-
069.jpg
9.79 KB
-
070.jpg
9.86 KB
-
071.jpg
11.82 KB
-
072.jpg
4.68 KB
-
073.jpg
14.18 KB
-
074.jpg
14.49 KB
-
075.jpg
8.02 KB
-
076.jpg
13.77 KB
-
077.jpg
12.20 KB
-
078.jpg
4.76 KB
-
079.jpg
9.18 KB
-
080.jpg
6.67 KB
-
081.jpg
9.17 KB
-
082.jpg
15.71 KB
-
083.jpg
9.86 KB
-
084.jpg
12.62 KB
-
085.jpg
16.09 KB
-
086.jpg
11.42 KB
-
087.jpg
10.23 KB
-
088.jpg
11.42 KB
-
089.jpg
10.71 KB
-
090.jpg
20.22 KB
-
091.jpg
8.38 KB
-
092.jpg
11.41 KB
-
093.jpg
8.37 KB
-
094.jpg
14.81 KB
-
095.jpg
9.61 KB
-
096.jpg
9.12 KB
-
097.jpg
9.84 KB
-
098.jpg
12.05 KB
-
099.jpg
13.43 KB
-
100.jpg
6.70 KB
-
10000.jpg
6.94 KB
-
101.jpg
6.40 KB
-
102.jpg
10.63 KB
-
103.jpg
18.47 KB
-
104.jpg
12.67 KB
-
105.jpg
10.88 KB
-
106.jpg
9.49 KB
-
107.jpg
12.98 KB
-
108.jpg
14.26 KB
-
109.jpg
6.62 KB
-
110.jpg
13.12 KB
-
11000.jpg
8.87 KB
-
111.jpg
14.27 KB
-
112.jpg
6 KB
-
113.jpg
7.36 KB
-
114.jpg
8.94 KB
-
115.jpg
13.93 KB
-
116.jpg
12.57 KB
-
117.jpg
10.18 KB
-
118.jpg
13.42 KB
-
119.jpg
17.49 KB
-
120.jpg
9.02 KB
-
12000.jpg
8.42 KB
-
121.jpg
11.94 KB
-
122.jpg
12.97 KB
-
123.jpg
11.74 KB
-
124.jpg
9.52 KB
-
125.jpg
6.34 KB
-
126.jpg
11.74 KB
-
127.jpg
7.43 KB
-
128.jpg
14.58 KB
-
129.jpg
9.62 KB
-
130.jpg
16.75 KB
-
13000.jpg
11.87 KB
-
131.jpg
6.47 KB
-
132.jpg
9.35 KB
-
133.jpg
14.15 KB
-
134.jpg
7.07 KB
-
135.jpg
8.63 KB
-
136.jpg
10.56 KB
-
137.jpg
12.99 KB
-
138.jpg
17.60 KB
-
139.jpg
14.64 KB
-
140.jpg
6.20 KB
-
14000.jpg
6.13 KB
-
141.jpg
13.29 KB
-
142.jpg
13.36 KB
-
143.jpg
14.54 KB
-
144.jpg
10.60 KB
-
145.jpg
16.17 KB
-
146.jpg
13.58 KB
-
147.jpg
21.24 KB
-
148.jpg
11.61 KB
-
149.jpg
16.16 KB
-
150.jpg
6.61 KB
-
15000.jpg
5.84 KB
-
151.jpg
18.03 KB
-
152.jpg
10.75 KB
-
153.jpg
7.50 KB
-
154.jpg
14.27 KB
-
155.jpg
12.78 KB
-
156.jpg
8.19 KB
-
157.jpg
8.33 KB
-
158.jpg
15.28 KB
-
159.jpg
12.24 KB
-
160.jpg
10.98 KB
-
16000.jpg
7.77 KB
-
161.jpg
9.46 KB
-
162.jpg
8.90 KB
-
163.jpg
12.70 KB
-
164.jpg
5.03 KB
-
165.jpg
15.82 KB
-
166.jpg
14.15 KB
-
167.jpg
15.04 KB
-
168.jpg
16.50 KB
-
169.jpg
9.11 KB
-
170.jpg
13.44 KB
-
17000.jpg
9.05 KB
-
171.jpg
9.52 KB
-
172.jpg
6.52 KB
-
173.jpg
7.14 KB
-
174.jpg
11.03 KB
-
175.jpg
13.74 KB
-
176.jpg
7.29 KB
-
177.jpg
9.15 KB
-
178.jpg
12.92 KB
-
179.jpg
8.21 KB
-
180.jpg
14.99 KB
-
18000.jpg
7.52 KB
-
181.jpg
12.94 KB
-
182.jpg
18.02 KB
-
183.jpg
10.18 KB
-
184.jpg
12.48 KB
-
185.jpg
11.45 KB
-
186.jpg
10.54 KB
-
187.jpg
14.30 KB
-
188.jpg
9.15 KB
-
189.jpg
7.32 KB
-
190.jpg
8.32 KB
-
19000.jpg
6.06 KB
-
191.jpg
7.63 KB
-
192.jpg
15.24 KB
-
193.jpg
18.31 KB
-
194.jpg
14.73 KB
-
195.jpg
7.05 KB
-
196.jpg
7.50 KB
-
197.jpg
17.04 KB
-
198.jpg
7.93 KB
-
199.jpg
9.34 KB
-
200.jpg
5.25 KB
-
20000.jpg
10.60 KB
-
201.jpg
9.44 KB
-
202.jpg
8.88 KB
-
203.jpg
6.29 KB
-
204.jpg
8.10 KB
-
205.jpg
11.46 KB
-
206.jpg
12.54 KB
-
207.jpg
17.49 KB
-
208.jpg
14.58 KB
-
209.jpg
8.73 KB
-
210.jpg
13.66 KB
-
21000.jpg
4.59 KB
-
211.jpg
14.65 KB
-
212.jpg
11.87 KB
-
213.jpg
11.58 KB
-
214.jpg
13.84 KB
-
215.jpg
15.88 KB
-
216.jpg
11.45 KB
-
217.jpg
4.03 KB
-
218.jpg
18.28 KB
-
219.jpg
8.67 KB
-
220.jpg
6.98 KB
-
22000.jpg
5.78 KB
-
221.jpg
19.21 KB
-
222.jpg
23.38 KB
-
223.jpg
8.02 KB
-
224.jpg
6.09 KB
-
225.jpg
13.44 KB
-
226.jpg
7.10 KB
-
227.jpg
8.06 KB
-
228.jpg
9.97 KB
-
229.jpg
11.08 KB
-
230.jpg
9.75 KB
-
23000.jpg
5.70 KB
-
231.jpg
22.59 KB
-
232.jpg
10.38 KB
-
233.jpg
5.74 KB
-
234.jpg
16.48 KB
-
235.jpg
11.81 KB
-
236.jpg
9.59 KB
-
237.jpg
8.02 KB
-
238.jpg
10.71 KB
-
239.jpg
7.70 KB
-
240.jpg
8.56 KB
-
24000.jpg
5.73 KB
-
241.jpg
12.27 KB
-
242.jpg
7.90 KB
-
243.jpg
8.72 KB
-
244.jpg
12.03 KB
-
245.jpg
4.86 KB
-
246.jpg
18 KB
-
247.jpg
14.45 KB
-
248.jpg
5.53 KB
-
249.jpg
10.31 KB
-
250.jpg
11.28 KB
-
25000.jpg
10.03 KB
-
251.jpg
10.01 KB
-
252.jpg
13.11 KB
-
253.jpg
12.57 KB
-
254.jpg
10.32 KB
-
255.jpg
17.01 KB
-
256.jpg
9.58 KB
-
257.jpg
12.82 KB
-
258.jpg
7.75 KB
-
259.jpg
8.23 KB
-
260.jpg
9.14 KB
-
26000.jpg
5.27 KB
-
261.jpg
15.16 KB
-
262.jpg
8.49 KB
-
263.jpg
7.69 KB
-
264.jpg
10.72 KB
-
265.jpg
4.14 KB
-
266.jpg
15.63 KB
-
267.jpg
11.98 KB
-
268.jpg
17.65 KB
-
269.jpg
8.34 KB
-
270.jpg
8.65 KB
-
27000.jpg
11.27 KB
-
271.jpg
6.94 KB
-
272.jpg
13.59 KB
-
273.jpg
15.77 KB
-
274.jpg
6.61 KB
-
275.jpg
12.28 KB
-
276.jpg
9.08 KB
-
277.jpg
4.52 KB
-
278.jpg
14.87 KB
-
279.jpg
8.94 KB
-
280.jpg
15.69 KB
-
28000.jpg
9.91 KB
-
281.jpg
10.22 KB
-
282.jpg
7.35 KB
-
283.jpg
13.65 KB
-
284.jpg
8.12 KB
-
285.jpg
11.50 KB
-
286.jpg
12.72 KB
-
287.jpg
9.79 KB
-
288.jpg
10.83 KB
-
289.jpg
14.66 KB
-
290.jpg
5.72 KB
-
29000.jpg
5.54 KB
-
291.jpg
12.20 KB
-
292.jpg
8.64 KB
-
293.jpg
6.76 KB
-
294.jpg
13.18 KB
-
30000.jpg
11.47 KB
-
301.jpg
2.98 KB
-
306.jpg
6.06 KB
-
307.jpg
7.76 KB
-
309.jpg
3.36 KB
-
31000.jpg
6.99 KB
-
311.jpg
3.82 KB
-
312.jpg
2.88 KB
-
315.jpg
9.55 KB
-
32000.jpg
6.38 KB
-
321.jpg
13.78 KB
-
325.jpg
13.88 KB
-
33000.jpg
6.78 KB
-
334.jpg
7.51 KB
-
336.jpg
9.86 KB
-
337.jpg
2.98 KB
-
34000.jpg
4.66 KB
-
344.jpg
3.84 KB
-
35000.jpg
5.84 KB
-
352.jpg
5 KB
-
36000.jpg
7 KB
-
362.jpg
7.21 KB
-
364.jpg
3.89 KB
-
37000.jpg
13.05 KB
-
373.jpg
4.94 KB
-
374.jpg
5.26 KB
-
379.jpg
7.36 KB
-
380.jpg
3.88 KB
-
38000.jpg
10.50 KB
-
381.jpg
7.08 KB
-
385.jpg
8.31 KB
-
390.jpg
6.41 KB
-
39000.jpg
5.08 KB
-
392.jpg
10.51 KB
-
40000.jpg
5.85 KB
-
41000.jpg
8 KB
-
5000.jpg
12.04 KB
-
6000.jpg
4.74 KB
-
7000.jpg
3.40 KB
-
8000.jpg
6.48 KB
-
9000.jpg
9.20 KB
Abstract
In this study, specifically for the detection of ripe/unripe tomatoes with/without defects in the crop field, two distinct methods are described and compared from captured images by a camera mounted on a mobile robot. One is a machine learning approach, known as ‘Cascaded Object Detector’ (COD) and the other is a composition of traditional customised methods, individually known as ‘Colour Transformation’: ‘Colour Segmentation’ and ‘Circular Hough Transformation’. The (Viola-Jones) COD generates ‘histogram of oriented gradient’ (HOG) features to detect tomatoes. For ripeness checking, the RGB mean is calculated with a set of rules. However, for traditional methods, colour thresholding is applied to detect tomatoes either from natural or solid background and RGB colour is adjusted to identify ripened tomatoes. This algorithm is shown to be optimally feasible for any micro-controller based miniature electronic devices in terms of its run time complexity of O(n3) for a traditional method in best and average cases. Comparisons show that the accuracy of the machine learning method is 95%, better than that of the Colour Segmentation Method using MATLAB.