Kvalitetsanalyse av grønnsaker ved bruk av hyperspektrale bilder

Temaet for denne oppgaven er hyperspektral bildeanalyse av frukt og grønt. Gjennom oppgaven har det blitt sett på modning av tomat, paprika, agurk og banan ved hjelp av et hyperspektralt kamera og sett på ulike spektralområder for å detektere modning av produktene. I løpet av oppgaven har det også blitt sett på andre studier som har analysert modning av frukt og grønt basert på hyperspektrale bilder, hvor det er blitt funnet gode resultater. I studiet som vi har gjennomført er det blitt brukt en pakke som heter 'Spectral' utviklet under en lisens fra MIT til å lese, filtrere, redusere, denoise og presentere de hyperspektrale bildene. I tillegg til å se på modning er det også blitt sett på bruk av et optimalt lineært filter på de hyperspektrale bildene. Det ble funnet gode resultater for å filtrere vekk umodne eller modne frukt og grønnsaker, som senere kan bli brukt av roboter til å sortering av produktene. Det er blitt brukt Normalized Difference Vegetation Index for å få frem vegetasjon på tomat, som også senere kan brukes i roboter for å plukke og pakke tomater i bokser til forbrukerene. Resultatene i denne oppgaven viser at det er mulig å bruke hyperspektral bileanalyse til å detektere modenhet på forskjellige frukt og grønnsaker, men at videre analyse som baserer seg på et større parti av hver frukt og grønnsak vil være en fordel for å få et større og representativt utvalg