文摘

食品是人类生活的一个组成部分使食品的质量的一个主要因素在选择消费。为了保持食品质量,必须从第一步照顾其质量可能会受影响,也就是说,仓库。食品安全和安全的仓库的一个主要问题,因为许多人失去他们的生命由于食品质量差。机器人可以确保安全的食品和仓库都可以是一个可能的解决方案,因为照顾巨大的仓库是一项乏味的工作,有时食物现在在仓库被忽视,从而得到污染。也从入侵者仓库的安全可以通过一个机器人,在任何条件对人类是很困难的。这个机器人将廉价和有效并确保安全,保持完整,并确保其品质优良的食物。

1。介绍

自从生物像动物和人类进入画面,食物是生存的核心部分之一。拥有健康的食物是一个非常基本的需要对每一个人都应该包括好的有营养的食物,使个人健康和充满活力的感觉。有不同类型的食物可以被人类如蔬菜,水果,肉,和脉冲,其质量可能会有所不同。质量是食品行业的主要因素,因为最好的食品质量,成功的机会越高的行业在竞争激烈的市场1)及其需求自动上升,随着消费者意识的增加。因此,预期的食品质量增加了食品的质量监测的必要性(2]。一份报告显示,在美国(如图1),发现在50 - 80美元成本每年进入疾病治疗引起的食品。在印度,在2019年,每年约为150亿美元,2020年,它是280亿美元左右(Rs 78100卢比),按照统计数据由世界卫生组织(世卫组织)。发现1的10人生病是因为食物消费而不是质量;因此,我们失去了世界上约3300万。这样的原因我们需要关注食品的质量,从一开始的第一步,也就是说,他们在哪里生产、储存(安全的食品和食品仓库)4]。

在一些食品行业,有训练有素的食品检查员检查食品质量手动使检验单调和缓慢的,需要大量的人力物力,是昂贵的5]。在许多情况下,它是发现,食品检查员在检查食品病倒了,因为质量(食物)的恶化,味道啊,或者品尝这些食物6]。这些行业有不同大小的仓库,甚至一些小型供应商也有巨大的仓库储存的食物,所以手动确保安全是一个大挑战行业(以货币计算)和食品检查员(的健康)(7]。所以,我们发现一些方法,可以减少健康问题的风险,确保食品和食品仓库的安全;例如,我们可以使用一个机器人,它会有一些传感器识别食物或检测食品的质量和发送图片;它可以用来保护仓库从入侵者。机器人可以通过使用一些人工智能技术培训/机器学习算法。所以,机器人可用于确定食物和提供更好的结果在食品行业8]。

人工智能是模仿人类大脑功能的。它包括子集深度学习和机器学习,执行各种任务,需要人类智能语音识别、决策、和翻译语言9]。人工智能用于食品工业(如图2)用于各种目的,如食品排序、供应链管理、准备食物,改善食品质量,食品安全(10]。许多公司和政府机构正在使用这些模型进行预测和也有很高的效率和操作困难的任务,比如食品安全和食品质量控制(11]。有很多问题还没有解决单独使用人工智能(12]。机器人可以被训练使用机器学习算法来解决上述问题。这些机器人可以与相机定位,确保食品安全监控等食物条件和防止入侵者。算法,如人工神经网络(ANN)和卷积神经网络(CNN)被用于食品行业解决挑战;例如,安是一个最好的工具来检查食品质量和食品安全。水果排序、葡萄酒弯曲或其他领域我们可以用安,确保食品的质量。因为食品仓库的目的是储存食物以备将来之用,有许多事情,我们必须保持仓库的质量更好的食物。有很多挑战在等仓库储存食物,食品安全,从入侵者和安全。机器人可以用来解决这些问题和在食品工业领域有很大的范围,他们可以工作在每一个条件没有任何中断,甚至在最坏的条件(13,14),因此机器人可以用来确保仓库和食品的安全。机器人的快速学习能力和执行重复的动作在任何情况下将伟大的使用(3]。本文旨在找到可能的解决方案使用机器人(VIBHISHAN 2.0)来解决食品安全的问题,食品仓库,因为它可以减少努力,不时留意安全。

2。文献综述

如图1对食品相关疾病的统计数据,导致健康问题或甚至死亡在某些情况下,我们可以推断需要找到一个解决方案,可以提高食品质量和控制质量。有许多可用的解决方案从2004年到现在在市场上。2004年,一篇论文提到的图像处理方法的使用在食品行业给出更好的结果。本文提到的应用图像处理技术对食品质量评价,他们建议的方法来评估食品质量通过捕获食物使用相机或核磁共振的图像。捕获的图像质量改善找到失真或更多的特性,用于进一步的处理。这种方法很便宜和快速评价食品质量(5]。2006年,“学习在计算机视觉技术用于食品质量评估:评估”是一篇论文,给一个更好的使用计算机视觉估计方法。安有许多算法等,监督学习,遗传算法、决策树和模糊逻辑,可以用来评估结果质量而言,遗传算法和决策树算法给出更好的结果比其他算法对食品质量评价(1]。2007年,一个设备推出名为“电子鼻”。这是类似于人类的鼻子是用于检测食品质量。它是基于传感器和比人类感官面板更有益,因为它评估大量的样品和给一个更加稳定和一致的结果7,15,16]。之后,另一个名为“电子舌”的电子设备建成,给了一个比人类更好的探测和感知能力,因为它也可以检测食物的香味和所有溶解的化合物(17]。2008年,提出了系统安全监控使用一些传感器和致动器控制。它有两级通信系统中使用了一个与模块和其它与设备控制流程(18]。2011年,数据挖掘技术在质量检查和用于预测或优化流程。所以,这些技术被用于食品质量检查和使食品工业电子设备在食品行业做出了大的贡献随着ANN算法执行作为改善食品质量的最优过程输出(19]。

2012年,“实现质量保证功能在食品工业中使用混合案例推理和模糊逻辑的方法”是一篇论文,给了一个仓库的监控解决方案,在一个系统IFQAS援助和评估的安全,因为它使用了一个决策过程,CBR和FBR的决策支持技术(20.]。2013年,基于缺陷或设备分级鸡蛋大小,这是通过使用模糊逻辑推理和计算机视觉系统,用于发现鸡蛋斑点或裂缝。有可能使用的算法设计等级鸡蛋100%如果他们是正常的,如果他们包含血液斑点,然后被分级为83% (21]。2016年,“香蕉质量指数的预测从颜色特征使用支持向量回归”是一篇论文,利用支持向量回归(SVR)实现和被用于质量预测的香蕉。也安模型被用来给结果,相比之下,SVR的结果(22]。在2017年,智能厨房名为“美食家”的开发,提供许多服务准备一顿饭。它给更新关于饮食的目标或食谱推荐并更新偏好更好的结果。它使用文本或声音建议向用户提供更好的设施在人工智能领域(23]。2018年,有纸仓库使用的安全性和存储应用机器人技术和物联网(物联网)平台可能会产生一个理想的解决方案也管理仓库和降低存储效率和时间与最小距离覆盖机器人(24]。在2020年,将会有许多针对食品行业开发的模型。一个有关使用小麦胚芽面包质量改进,降低了面包的柔软在整个存储过程和它给了面包的比容25]。同样在2020年,另一个模型的基础上,提出了人工智能云项目,开发了一个智能冰箱和它可以向用户发送警报,如果食物过期或者是许多天(保存在冰箱里26]。2020年,另一个系统是名为“自主开发的食品浪费控制仓库。“它给了四个主要功能使用区块链和各种算法,仓库的食物是保持第一优先进入仓库之前,试图派遣它变成过期食品(27]。2020年,“选择数据挖掘/机器学习方法分析评价食品质量和真实性”提供了使用不同的算法来评估食品质量,支持向量机,随机森林,回归树算法在该地区的食品质量28]。2021年,“深度学习基于残余网络自动排序的香蕉”发表了一个自动机制,香蕉图片的基础上。

3所示。问题陈述

食物是人类生活的最关键部分的营养。生存没有住所仍然是可能的但没有食物是不可能超过10天。所以,食品在人类生活中起着非常重要的作用,因为它提供了营养,脂肪,矿物质,维生素,对身体和精力等等,但它只能全神贯注的投入到食物的优良的品质,而不是食品质量差或过期/烂。保持食品的质量,这是最重要的保持跟踪问题发生的第一步,也就是说,仓库(食物储存的地方)。但食品安全是一个大问题尤其是在大型仓库,手动的方式确保安全并不可行。安全可以从入侵者试图影响食物储存在一个仓库或走样了由于缺乏关注什么样的食物储存或保质期的食物;它会导致很多食物浪费(29日]。同时,政府正试图解决这一问题食品和仓库的安全,但有很多范围提高更好的透明度和监测系统的技术(13]。传统仓库缺乏一个系统可以提供安全的食品和仓库。所以,我们的主要目标是开发一个机器人可以给我们更好的结果对于食品安全,可以结合人工智能和机器学习技术。

4所示。硬件组件使用

4.1。超声波传感器

这是一个电子仪器,用于评价对象之间的距离发射的超声波反射来自目标对象,并将声波转换成电信号。为此,它使用传感器发送的信号,接收机接收信号。它用作接近传感器和频率高于人类的频率。传感器是用于目标检测或检测或导航。超声波传感器(如图3)被用来计算目标对象使用的距离之间的距离公式,即 在哪里D是对象之间的距离,T由传感器(即计算时间。,signal transmission time and receiving time) andC的速度信号,即343米/秒。

在这里,从任何入侵者,以确保仓库的安全,机器人定位与超声波传感器将探测入侵者之间的距离和从VIBHISHAN(机器人)是捕获入侵者的形象。这个距离是使用的机器人根据入侵者之间的距离使其运动。

4.2。被动红外传感器

PIR是一个传感器,用于检测物体的运动时,进入传感器的范围。它是由热释电传感器的被动意味着它不产生任何能量检测的运动检测的红外辐射,如果一个温暖的物体进入传感器的范围,它检测到的积极微分范围在一个槽传感器和如果它离开传感器的范围,然后检测负微分变化到另一个位置。所以,如果任何人类或动物通过传感器的范围,然后检测能量并将其转换成电信号。图4演示了PIR的图像传感器,以确保入侵者实际上是在仓库;,一些人(未经授权)出现在仓库是这个传感器探测到。

4.3。覆盆子π

它是一个单一的电脑板连接到设备如鼠标和键盘和用作迷你电脑。它作为web服务器和主机的网站中,我们使用一个小的SD卡存储的目的,也用于实时处理图像和视频,或在IoT-based机器人应用程序和应用程序。是用于制造机器人或游戏控制台,tweetbot或建立一个服务器,也可以用于自动回家。

它是一个机器人,因为它的核心组件集成所有的传感器在一起,收集和处理所有的传感器收集的数据,如图所示5。

4.4。ESP8266 WIFI

ESP8266非常低成本设备用于网络连接。它是用来获取数据,也上传服务器使用互联网。它的最大电压为3.6 V。它还是一个热点或wi - fi网络连接的硬件设备领域的物联网。它是用来发送数据的位置,图像或视频数据库。它可以用于提供当地的网络连接设备,互联网的使用是必要的。图6展示了销和标签出现在ESP8266 WIFI。

传输的数据收集和处理的覆盆子π到仓库的所有者,所有者可以采取必要行动最早的帮助下完成所提供的无线互联网连接。

4.5。ESP32-CAM

ESP32-CAM是一个小相机设备监测、识别、捕捉视频和图片,等等。它可以包含一个小的SD卡存储视频或图片。它可以帮助检测入侵者使用视频流。结合OV2640相机和几个GPIOs连接外设,可以储存图片点击相机。这是一个具有成本效益的设备在硬件监控目的包括摄像机或SD卡存储图像。

捕获入侵者的画面,出现在仓库,并确保安全的食品现在在仓库完成摄像机安装在机器人上的帮助。它将帮助业主决策更快。图7展示了示例图像的硬件使用的机器人。

5。工序

您需要一个仓库来存储的食品供应链管理。许多基本操作执行在仓库接收产品,确保存储分配,并确保安全的食品或运输(30.]。因为它很难跟踪或监控只巨大的仓库通过手动工作19,31日),需要完善食品和仓库和监测技术也确保食品的安全以及仓库。为了解决这个问题,我们设计了一个机器人(VIBHISHAN 2.0)可以检测入侵者和发送警报的所有者/农民仓库的安全,它还可以检查食物和提供图像的(这是在阶段,它可以感染其他食品和食品质量)的所有者/农民,这样他们就可以用更少的人工交互采取必要的行动。三个函数执行的机器人如下。

5.1。流入侵者检测

确保仓库的安全,一个机器人/机器人名叫“VIBHISHAN 2.0”用于入侵检测。只有经过授权的人应该能够访问仓库。这个机器人可以用于这个目的,可以通过监测。机器人是不活跃的,那么它是在省电模式下,如图8。

如果机器人是主动的,那么,相机(ESP32-CAM)位于它,它将记录的视频和拍摄环境的仓库。在监测、监控仓库的完整的环境,相机可以360度旋转。如果它不检测任何陌生人,它继续监视。如果检测到任何东西,那么它将警报发送给业主/农民入侵者检测和发送的照片在移动应用程序。以防电池较低或少于15%或静止15到20分钟后,它会自动进入省电模式。通过这种方式,机器人可以确保仓库的安全,你会得到完整的信息在移动应用程序。

5.2。流对食品安全

食物储存在仓库应该是优良的品质,以确保这是一个大问题。如果食物过期或腐烂的,那么没有任何的好处,把食物放进仓库,因为它也可以腐烂其他食品。所以,需要不时地检查食物,找到食物的状态,以确保安全。

我们的机器人还能检测出食物是否完好(过期)。如图9,如果机器人不活跃,然后在节电模式;否则,它会激活。在活动状态,它去仓库和检测食物的帮助下一个相机。如果食物是状况良好,那么它仍然食品检测和食品是烂或者过期,然后发送一个警报与所有者过期食品的图片在移动应用程序。如果电池是低不到15%或静止15到20分钟后,它会自动进入省电模式或活动;然后,它从用户等待进一步指示。通过这种方式,我们可以确保食品的安全,这是目前在仓库。

5.3。流图像处理

上述两个过程演示如何使用机器人/机器人食品仓库和食品的安全。安全/安全的主要概念是通过图像处理来完成的。覆盆子π是机器人用于加载训练模型,如图所示10。

我们有训练我们的机器学习模型检测通过CNN的食物。训练我们的模型,我们有两种类型的图像用于食品,也就是说,优良的品质和陈旧/烂。图10显示的输出图像的高质量。训练后的模型,它给最大精度为96.30%,如图11。

培训中使用的模型机器人VIBHISHAN由4个步骤组成,用于确保食品的安全检测食品(使用图像处理)。5步骤如下:

步骤1。图像采集。
张图片来自数据集的图像有一个1024×1024分辨率,并减少到512×512分辨率。数据集包含图像分析:苹果、香蕉、甜菜根、红辣椒,洋葱,豌豆、梨、橙、土豆片、芒果、山楂、西红柿,油炸圈饼,花生等等。
当捕获的图像是通过摄像机安装在机器人上,那么它将有助于进一步措施来识别和捕获的食物吸引有用的见解。

步骤2。图像分割。
一旦拿起照片,我们探索不同地区的图像(包含对象和背景)。RGB图像在真实的应用程序中使用的颜色组件转换为黑白图像用于培训目的,也就是说,单色图像。图12演示了彩色图像转换成黑白图像。

步骤3。形状检测。
形状检测时保持一步训练我们的模型因为描述对象的特征(形状)中扮演一个重要的角色在对象分类。简单的形状检测方法检测所使用的完整食物的形状。它是基于二进制形态学操作。图13演示了如何检测到的形状。

步骤4。食品的认可。
完成上述步骤后,最后一步是认识到食物,可测试的验证数据集。一旦认识到正确的食物,那么它也是测试的机器人捕获的图像。图14显示了CNN模型。
图15描述了整个机器人工作的方法。使用机器人的目的,也就是说,入侵者检测(仓库的安全),和食品安全。

6。结果

VIBHISHAN是一个自动机器人可以识别入侵者并识别食物条件(过期或腐烂的食品),确保仓库的安全以及存储在它的食物。图16说明了一个机器人的图片(VIBHISHAN 2.0)我们为安全目的。此外,它是一种有效和具有成本效益的机器人,可以用来解决仓库和食品的安全问题。它的大小非常小但它执行所有必要的任务,以确保安全。

如图16,机器人有一个摄像头安装在它前面,将捕获的图像周围的仓库;他们将被送到业主移动应用程序的帮助下wi - fi体内存在的机器人。附带这些轮子的机器人,它可以帮助它移动和做适当的监测食品仓库和食物。

图17是这个机器人如何识别食品的输出通过使用机器学习算法在摄像机安装在它的帮助下。这个过程将有助于减少食物的浪费或厌倦了大仓库防止食物被人忽视。

7所示。结论

作为食品行业严重依赖于仓库,以满足世界上增长的人口的需求,食品仓库和食品的安全是一个重要的方面在工业,以确保食物的品质依然完好无损,因为最轻微的违反安全可能导致污染的食物出现在仓库。所以,机器人VIBHISHAN 2.0可能是其中一个可能的解决方案来设置密封安全的仓库和食物里面,可以替代手工的方式确保安全或也可以使用手册和机器人技术。通过这个,我们可以确保安全,不会留下任何余地违反安全的食物。这个机器人是廉价和有效的,因为它可以在所有可能的工作场景和贡献的目标给全世界人民优质食品,成本更低。这将是一站式的解决方案,以确保食品仓库和食品的安全。

数据可用性

使用的数据来支持这项研究一直在沉积的结果https://drive.google.com/drive/folders/1YuKAxOtAggSKn5ap7GI2VQqePgzG07R4?usp=sharing。编码用于本文只要是必需的。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

所有作者的贡献同样显著,在写这篇文章和阅读和批准最终的手稿。