Authors

Abstract

Tomatoes (Solanum lycopersicum) are not only a staple in cuisines worldwide but also a subject of scientific interest due to their health benefits and distinct ripening process. Recognizing the ripest and most flavorful tomatoes has led to innovative research combining technology and agriculture. In this context, image processing emerges as a promising tool to discern the quality of tomatoes, particularly through color analysis. This study explores the effectiveness of a region-based image processing system in identifying red, ripe tomatoes. Currently, this process is done by hand, which takes time and can lead to mistakes-developed a machine learning-based device that utilizes computer vision and image processing techniques to detect ripe tomatoes with high accuracy. By employing algorithms that analyze color, texture, and shape, our technology can identify the optimal harvest time, making the process faster, more efficient, and more cost-effective. Automating tomato harvesting is crucial to addressing the labor crisis and enhancing the effectiveness of the present harvesting process. The actualization of automated harvesting depends on the ability to precisely recognize fruits. Fruit that is harvested at its peak maturity has the maximum levels of taste, vitamins, and sale value, which optimizes financial gains. There is now an inadequate rate of identification and failure to identify because of the blockage of specific fruits by vegetation and unwanted fruits, as well as the color change brought on by light. In order to identify tomato fruits in difficult circumstances, this research suggests a tomato identification system using the enhanced YOLOv8 framework. According to the model's test evaluation, the YOLOv8-Tomato model's mAP0.5 was 86.9%, its recall rate was 98%, and its accuracy and precision were 94% and 90%, respectively.

Abstract in Hindi

टमाटर (सोलनम लाइकोपर्सिकम) न केवल दुनिया भर के व्यंजनों में एक प्रधान है, बल्कि उनके स्वास्थ्य लाभों और विशिष्ट पकने की प्रक्रिया के कारण वैज्ञानिक रुचि का विषय भी है। सबसे पके और सबसे स्वादिष्ट टमाटरों को पहचानने से प्रौद्योगिकी और कृषि के संयोजन में नवीन अनुसंधान हुआ है। इस संदर्भ में, छवि प्रसंस्करण टमाटर की गुणवत्ता को समझने के लिए एक आशाजनक उपकरण के रूप में उभरता है, विशेष रूप से रंग विश्लेषण के माध्यम से। यह अध्ययन लाल, पके टमाटरों की पहचान करने में क्षेत्र-आधारित छवि प्रसंस्करण प्रणाली की प्रभावशीलता की पड़ताल करता है। वर्तमान में, यह प्रक्रिया हाथ से की जाती है, जिसमें समय लगता है और गलतियाँ हो सकती हैं-एक मशीन लर्निंग-आधारित उपकरण विकसित किया गया है जो उच्च सटीकता के साथ पके टमाटर का पता लगाने के लिए कंप्यूटर दृष्टि और छवि प्रसंस्करण तकनीकों का उपयोग करता है। रंग, बनावट और आकार का विश्लेषण करने वाले एल्गोरिदम को नियोजित करके, हमारी तकनीक इष्टतम फसल समय की पहचान कर सकती है, जिससे प्रक्रिया तेज़, अधिक कुशल और अधिक लागत प्रभावी हो जाती है। टमाटर की कटाई को स्वचालित करना श्रम संकट को दूर करने और वर्तमान कटाई प्रक्रिया की प्रभावशीलता को बढ़ाने के लिए महत्वपूर्ण है। स्वचालित कटाई की प्राप्ति फलों को ठीक से पहचानने की क्षमता पर निर्भर करती है। जो फल अपनी चरम परिपक्वता पर काटा जाता है, उसमें स्वाद, विटामिन और बिक्री मूल्य का अधिकतम स्तर होता है, जो वित्तीय लाभ को अनुकूलित करता है। अब वनस्पति और अवांछित फलों द्वारा विशिष्ट फलों की रुकावट के साथ-साथ प्रकाश द्वारा लाए गए रंग परिवर्तन के कारण पहचान और पहचान करने में विफलता की अपर्याप्त दर है। कठिन परिस्थितियों में टमाटर के फलों की पहचान करने के लिए, यह शोध उन्नत YOLOv8 ढांचे का उपयोग करके टमाटर की पहचान प्रणाली का सुझाव देता है। मॉडल के परीक्षण मूल्यांकन के अनुसार, YOLOv8-टमाटर मॉडल का mAP0.5 86.9% था, इसकी रिकॉल दर 98% थी, और इसकी सटीकता और सटीकता क्रमशः 94% और 90% थी।