Report
View in EDS

Автоматизированная детекция семян татарской гречихи в зерновом материале пшеницы на основе компьютерного зрения

Bibliographic Details
Title: Автоматизированная детекция семян татарской гречихи в зерновом материале пшеницы на основе компьютерного зрения
Publisher Information: Технологии пищевой и перерабатывающей промышленности АПК – продукты здорового питания, 2025.
Publication Year: 2025
Subject Terms: качество семян, автоматизация АПК, пшеница, аугментация данных, татарская гречиха, seed separation, computer vision, компьютерное зрение, сепарация семян, automation of agro-industrial complex, wheat, YOLO, Fagopyrum tataricum, Tatarian buckwheat, seed quality, аннотация данных, data annotation, data augmentation
Description: Contamination of wheat seed material with hard-to-separate weed impurity Tatar buckwheat seeds significantly reduces the quality of the grain and limits the effectiveness of traditional cleaning methods. The paper presents a computer vision software module for automatic detection of this impurity. A database of wheat and Tatar buckwheat seed images has been developed, including more than 1000 original images and expanded to 3498 using augmentation. The module is implemented on the basis of the YOLOv12s neural network architecture using the Ultralytics library. It is capable of processing a video stream from a USB camera in real time, detecting Tatar buckwheat seeds, tracking their position in the frame and generating discrete signals for removal when objects enter a specified "removal zone". The obtained results high accuracy (mAP@0,5 = 0,953) and performance (≈ 25 frames per second) confirm the effectiveness of the proposed solution. The module can be integrated into grain cleaning technological lines, providing automatic detection of difficult-to-separate foreign impurities and increasing the purity of wheat seed material.
Засорённость посевного материала пшеницы трудноотделимой сорной примесью семенами татарской гречихи существенно снижает качество зерна и ограничивает эффективность традиционных методов очистки. В работе представлен программный модуль компьютерного зрения для автоматической детекции этой примеси. Разработана база изображений семян пшеницы и татарской гречихи, включающая более 1000 оригинальных снимков и расширенная до 3498 с помощью аугментации. Модуль реализован на базе нейросетевой архитектуры YOLOv12s с использованием библиотеки Ultralytics. Он способен в реальном времени обрабатывать видеопоток с USB-камеры, выявлять семена татарской гречихи, отслеживать их положение в кадре и формировать дискретные сигналы на удаление, при попадании объектов в заданную "зону удаления". Полученные результаты высокая точность (mAP@0,5 = 0,953) и производительность (≈ 25 кадров в секунду) подтверждают эффективность предложенного решения. Модуль может быть интегрирован в технологические линии очистки зерна, обеспечивая автоматическое выявление трудноотделимых сорных примесей и повышая чистоту семенного материала пшеницы.
Document Type: Research
DOI: 10.24412/2311-6447-2025-2-199-205
Rights: CC BY
Accession Number: edsair.doi...........8d52d6ee72f8138517c5ca5ea32d9bdb
Database: OpenAIRE
FullText Text:
  Availability: 0
Header DbId: edsair
DbLabel: OpenAIRE
An: edsair.doi...........8d52d6ee72f8138517c5ca5ea32d9bdb
RelevancyScore: 887
AccessLevel: 3
PubType: Report
PubTypeId: report
PreciseRelevancyScore: 886.736389160156
IllustrationInfo
Items – Name: Title
  Label: Title
  Group: Ti
  Data: Автоматизированная детекция семян татарской гречихи в зерновом материале пшеницы на основе компьютерного зрения
– Name: Publisher
  Label: Publisher Information
  Group: PubInfo
  Data: Технологии пищевой и перерабатывающей промышленности АПК – продукты здорового питания, 2025.
– Name: DatePubCY
  Label: Publication Year
  Group: Date
  Data: 2025
– Name: Subject
  Label: Subject Terms
  Group: Su
  Data: <searchLink fieldCode="DE" term="%22качество+семян%22">качество семян</searchLink><br /><searchLink fieldCode="DE" term="%22автоматизация+АПК%22">автоматизация АПК</searchLink><br /><searchLink fieldCode="DE" term="%22пшеница%22">пшеница</searchLink><br /><searchLink fieldCode="DE" term="%22аугментация+данных%22">аугментация данных</searchLink><br /><searchLink fieldCode="DE" term="%22татарская+гречиха%22">татарская гречиха</searchLink><br /><searchLink fieldCode="DE" term="%22seed+separation%22">seed separation</searchLink><br /><searchLink fieldCode="DE" term="%22computer+vision%22">computer vision</searchLink><br /><searchLink fieldCode="DE" term="%22компьютерное+зрение%22">компьютерное зрение</searchLink><br /><searchLink fieldCode="DE" term="%22сепарация+семян%22">сепарация семян</searchLink><br /><searchLink fieldCode="DE" term="%22automation+of+agro-industrial+complex%22">automation of agro-industrial complex</searchLink><br /><searchLink fieldCode="DE" term="%22wheat%22">wheat</searchLink><br /><searchLink fieldCode="DE" term="%22YOLO%22">YOLO</searchLink><br /><searchLink fieldCode="DE" term="%22Fagopyrum+tataricum%22">Fagopyrum tataricum</searchLink><br /><searchLink fieldCode="DE" term="%22Tatarian+buckwheat%22">Tatarian buckwheat</searchLink><br /><searchLink fieldCode="DE" term="%22seed+quality%22">seed quality</searchLink><br /><searchLink fieldCode="DE" term="%22аннотация+данных%22">аннотация данных</searchLink><br /><searchLink fieldCode="DE" term="%22data+annotation%22">data annotation</searchLink><br /><searchLink fieldCode="DE" term="%22data+augmentation%22">data augmentation</searchLink>
– Name: Abstract
  Label: Description
  Group: Ab
  Data: Contamination of wheat seed material with hard-to-separate weed impurity Tatar buckwheat seeds significantly reduces the quality of the grain and limits the effectiveness of traditional cleaning methods. The paper presents a computer vision software module for automatic detection of this impurity. A database of wheat and Tatar buckwheat seed images has been developed, including more than 1000 original images and expanded to 3498 using augmentation. The module is implemented on the basis of the YOLOv12s neural network architecture using the Ultralytics library. It is capable of processing a video stream from a USB camera in real time, detecting Tatar buckwheat seeds, tracking their position in the frame and generating discrete signals for removal when objects enter a specified "removal zone". The obtained results high accuracy (mAP@0,5 = 0,953) and performance (≈ 25 frames per second) confirm the effectiveness of the proposed solution. The module can be integrated into grain cleaning technological lines, providing automatic detection of difficult-to-separate foreign impurities and increasing the purity of wheat seed material.<br />Засорённость посевного материала пшеницы трудноотделимой сорной примесью семенами татарской гречихи существенно снижает качество зерна и ограничивает эффективность традиционных методов очистки. В работе представлен программный модуль компьютерного зрения для автоматической детекции этой примеси. Разработана база изображений семян пшеницы и татарской гречихи, включающая более 1000 оригинальных снимков и расширенная до 3498 с помощью аугментации. Модуль реализован на базе нейросетевой архитектуры YOLOv12s с использованием библиотеки Ultralytics. Он способен в реальном времени обрабатывать видеопоток с USB-камеры, выявлять семена татарской гречихи, отслеживать их положение в кадре и формировать дискретные сигналы на удаление, при попадании объектов в заданную "зону удаления". Полученные результаты высокая точность (mAP@0,5 = 0,953) и производительность (≈ 25 кадров в секунду) подтверждают эффективность предложенного решения. Модуль может быть интегрирован в технологические линии очистки зерна, обеспечивая автоматическое выявление трудноотделимых сорных примесей и повышая чистоту семенного материала пшеницы.
– Name: TypeDocument
  Label: Document Type
  Group: TypDoc
  Data: Research
– Name: DOI
  Label: DOI
  Group: ID
  Data: 10.24412/2311-6447-2025-2-199-205
– Name: Copyright
  Label: Rights
  Group: Cpyrght
  Data: CC BY
– Name: AN
  Label: Accession Number
  Group: ID
  Data: edsair.doi...........8d52d6ee72f8138517c5ca5ea32d9bdb
PLink https://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsair&AN=edsair.doi...........8d52d6ee72f8138517c5ca5ea32d9bdb
RecordInfo BibRecord:
  BibEntity:
    Identifiers:
      – Type: doi
        Value: 10.24412/2311-6447-2025-2-199-205
    Languages:
      – Text: Undetermined
    Subjects:
      – SubjectFull: качество семян
        Type: general
      – SubjectFull: автоматизация АПК
        Type: general
      – SubjectFull: пшеница
        Type: general
      – SubjectFull: аугментация данных
        Type: general
      – SubjectFull: татарская гречиха
        Type: general
      – SubjectFull: seed separation
        Type: general
      – SubjectFull: computer vision
        Type: general
      – SubjectFull: компьютерное зрение
        Type: general
      – SubjectFull: сепарация семян
        Type: general
      – SubjectFull: automation of agro-industrial complex
        Type: general
      – SubjectFull: wheat
        Type: general
      – SubjectFull: YOLO
        Type: general
      – SubjectFull: Fagopyrum tataricum
        Type: general
      – SubjectFull: Tatarian buckwheat
        Type: general
      – SubjectFull: seed quality
        Type: general
      – SubjectFull: аннотация данных
        Type: general
      – SubjectFull: data annotation
        Type: general
      – SubjectFull: data augmentation
        Type: general
    Titles:
      – TitleFull: Автоматизированная детекция семян татарской гречихи в зерновом материале пшеницы на основе компьютерного зрения
        Type: main
  BibRelationships:
    IsPartOfRelationships:
      – BibEntity:
          Dates:
            – D: 01
              M: 01
              Type: published
              Y: 2025
          Identifiers:
            – Type: issn-locals
              Value: edsair
ResultId 1