Алгоритмическое обеспечение информационно-измерительных систем для классификации и контроля качества яблок тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Жиркова Александра Александровна

• Жиркова Александра Александровна
• кандидат наук
• 2023

Оглавление диссертации кандидат наук Жиркова Александра Александровна

ВВЕДЕНИЕ

1 ОБЗОР И ОБОСНОВАНИЕ ВЫБРАННОГО НАПРАВЛЕНИЯ ИССЛЕДОВАНИЯ

1.1 Анализ требований к качеству яблок

1.2 Обзор научных работ по теме исследования

2 РАЗРАБОТКА МЕТОДИЧЕСКОГО ОБЕСПЕЧЕНИЯ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНОЙ СИСТЕМЫ

2.1 Обоснование метода и средства измерения спектральной яркости

2.2 Получение и исследование спектрограмм

2.2.1 Спектрограммы растительных тканей яблок сорта «Имрус»

2.2.2 Спектрограммы растительных тканей яблок сорта «Орловское»

2.2.3 Спектрограммы растительных тканей яблок сорта «Спартан»

2.3 Выбор источников освещения

2.4 Выбор метода измерения максимального диаметра яблока

3 ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНОЙ СИСТЕМЫ

3.1 Макет роботизированного комплекса по сортировке яблок

3.2 Подсистема гиперспектрального контроля

4 АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНОЙ СИСТЕМЫ

4.1 Алгоритмическое обеспечение подсистемы измерения наибольшего диаметра яблок

4.2 Алгоритм управления мехатронным модулем для сканирования яблок при их перемещении на конвейере

4.3 Алгоритмическое обеспечение подсистемы гиперспектрального контроля

5 МЕТРОЛОГИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ИНФОРМАЦИОННО-

ИЗМЕРИТЕЛЬНОЙ СИСТЕМЫ

5.1 Структура источников погрешности и классификации

5.2 Результаты экспериментальных исследований погрешностей измерения и

классификации

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А

ПРИЛОЖЕНИЕ Б

ПРИЛОЖЕНИЕ В

ПРИЛОЖЕНИЕ Г

Введение диссертации (часть автореферата) на тему «Алгоритмическое обеспечение информационно-измерительных систем для классификации и контроля качества яблок»

Актуальность темы исследования. Пищевая промышленность и сельское хозяйство - это важнейшие секторы экономики, отвечающие за обеспечение продовольственной безопасности населения. Важное место среди продуктов питания занимают фрукты, такие как яблоки, груши, цитрусовые и др. При этом яблоки являются наиболее потребляемыми фруктами в России, а также в странах Европейского союза и США.

Необходимым этапом в процессе жизненного цикла яблок является сортировка перед закладкой на хранение или перед отправкой потребителю. Потребность в сортировке яблок возникает в связи с предотвращением распространения фитозаболеваний при хранении урожая, а также в связи с требованиями ГОСТ 34314-2017 «Яблоки свежие, реализуемые в розничной торговле. Технические условия». В глазах потребителя ценность яблок сильно снижается из-за видимых дефектов: повреждения насекомыми, механические повреждения, ушибы, фитозаболевания. Эти же причины ведут к порче урожая.

Сортировка яблок в настоящее время производится, как правило, на конвейере с использованием как ручного труда, так и зарубежных сортировочных комплексов фирм Aweta, Maf Roda и др., использующих для контроля качества фруктов системы технического зрения и, в том числе, спектрофотометрический контроль в ближней области инфракрасного излучения. Однако доля правильной классификации (точность) при спектрофотометрическом контроле бездефектных яблок при их движении на конвейере не превышает 90 %, что делает актуальным разработку методического и алгоритмического обеспечений информационно-измерительных и управляющих систем, позволяющих обеспечить автоматизированный процесс отбраковки плодов с повышенной точностью классификации. Решение этой задачи будет иметь существенное значение для развития страны, обеспечивающее конкурентоспособность в области развития методов контроля качества фруктов.

Работа поддержана грантом РФФИ от 31.08.2020 г. № 20-38-90235 «Разработка методов оптико-электронного контроля качества фруктов».

Степень разработанности темы исследования. Анализ современного состояния исследований показывает, что автоматическое определение качества при сортировке овощей и фруктов затруднено из-за некоторых все еще существующих проблем, таких как, например, отсутствие информации по влиянию показателей качества растительной ткани фруктов на информативные параметры сигналов сенсоров. Кроме этого, проблемы включают следующие аспекты: влияние физической и биологической изменчивости фруктов, необходимость контроля всей поверхности объекта, различение дефектов разных видов, ненадежность функций и алгоритмов. В настоящее время системы контроля качества сельскохозяйственной продукции обычно осуществляются с применением одного или комбинации из нескольких следующих методов:

- рентгеновское сканирование;

- магнитно-резонансная томография;

- съемка в видимом спектре и распознавание контуров продукта и дефектов по цветным или монохромным изображениям;

- обнаружение флуоресценции под действием ультрафиолета;

- гиперспектральное/мультиспектральное сканирование.

Проведенный анализ научно-технических результатов и публикаций в России и за рубежом показал, что наибольшее количество современных работ относятся к оптико-электронному контролю и системам технического зрения при съемке в видимой и ближней инфракрасной областях спектра, а также гиперспектральному и мультиспектральному контролю. Среди зарубежных публикаций наибольшее число работ в области разработки подобных ИИС наблюдается в Китае, Турции и США: Baohua Zhang (Пекинский исследовательский центр интеллектуального оборудования для сельского хозяйства, Китай), Ismail Kavdir (университет Чанаккале Онсекиз, Турция), Yuzhen

Lu, Yuping Huang, Renfu Lu. (Факультет биосистем и сельскохозяйственной инженерии Мичиганского государственного университета, США) и др.

Большинство работ в данной области в основном касается систем технического зрения и гиперспектрального сканирования. В России большой опыт в разработке подобных систем для контроля качества сельскохозяйственной продукции отражен в работах Ю.И. Кириенко и А.М. Башилова, В.А. Гудковского, А.С. Гордеева, С.А. Родикова, А.Е. Соловченко, О.Н. Бугановской, И.Г. Смирнова, Д.О. Хорта и др.

Однако, в работах как российских, так и зарубежных авторов приведены данные по использованию гиперспектральных камер, которые позволяют получать двумерное изображение объектов преимущественно в лабораторных условиях. Это связано с тем, что скорость видеопотока подобных камер, достаточно низкая (до 10 fps), что препятствует их применению при сортировке продукции на высоких скоростях конвейера.

Объект исследования информационно-измерительная система сортировочных комплексов на базе систем технического зрения и гиперспектрального контроля.

Предмет исследования: алгоритмическое обеспечение информационно-измерительных систем сортировочных комплексов для яблок на базе систем технического зрения и гиперспектрального контроля.

Цель исследования: повышение точности классификации яблок в режиме реального времени при движении на конвейере путем совершенствования алгоритмического обеспечения измерительной системы на основе применения систем технического зрения и гиперспектрального контроля.

Основные задачи исследования:

1. Провести анализ современного состояния в области развития информационно-измерительных систем для оптико-электронного контроля показателей качества яблок.

2. Провести экспериментальное определение спектрограмм для участков поверхности яблок, включающих неповрежденную и поврежденную зоны, с целью определения закономерностей в спектре отраженного излучения и возможности их использования для классификации растительных тканей яблок по дефектам.

3. Разработать метод измерения спектральной информации об отражательной способности объектов с целью классификации растительных тканей для всей поверхности яблока.

4. Разработать метод обработки измерительной спектральной информации с целью классификации растительных тканей по видам дефектов.

5. Разработать алгоритм определения максимального диаметра яблока с применением системы технического зрения.

6. Разработать аппаратное и алгоритмическое обеспечения информационно -измерительной системы в составе сортировочного комплекса.

7. Провести метрологический анализ информационно-измерительной системы, определить источники погрешности и разработать мероприятия по компенсации влияния этих источников.

Научная новизна: Разработано алгоритмическое обеспечение информационно-измерительных систем для контроля качества яблок, включающее в себя:

- методику обработки измерительной информации, получаемой с гиперспектральной камеры в диапазоне длин волн 400-1000 нм для классификации растительных тканей яблок по видам дефектов, отличающуюся тем, что в качестве предикторов функций классификации используются вегетативные индексы, учитывающие спектральную яркость объектов контроля на длинах волн 500, 510, 550, 680, 700, 710, 720, 750, 905 и 960 нм, что позволило обеспечить долю правильной классификации бездефектных растительных тканей яблок более 93% при их движении в реальном времени по рольганговому конвейеру;

- метод измерения информации о спектральной яркости поверхности яблок при их движении на конвейере, отличающийся тем, что реализован алгоритм управления движением поворотного зеркала, отражающего излучение с линии сканирования от движущегося по конвейеру яблока на фотоприемник гиперспектральной камеры в течение времени за которое яблоко совершит полный оборот, что позволило контролировать всю поверхность яблока;

- алгоритм, позволяющий осуществлять контроль диаметра яблока с применением системы технического зрения, отличающийся тем, что измерения проводят в четырех направлениях через центр тяжести изображения плода под углами 0°, 45°, 90°, 135°, что позволило определять максимальный диаметр яблока, имеющего форму отличную от шарообразной.

Теоретическая значимость: определяется выявленными

закономерностями отражения излучения в диапазоне от 400 до 1000 нм растительными тканями яблок сортов «Имрус», «Орловское» «Спартан», пораженных гнилью, паршой, имеющих червоточины и др. дефекты. Предложен единый подход для выработки алгоритма контроля качества фруктов, основанный на технологиях машинного обучения и статистического анализа данных.

Практическая значимость: Разработано аппаратное обеспечение системы управления движением зеркала, предназначенного для отражения излучения вдоль линии сканирования с поверхности яблока, совершающего поступательное и вращательное движение по рольганговому конвейеру.

Разработано программное обеспечение информационно-измерительной системы, позволяющее классифицировать растительные ткани яблок по видам дефектов в реальном времени при их движении по рольганговому конвейеру.

Разработано программное обеспечение, реализующее алгоритм контроля геометрических параметров яблок, позволяющее определять наибольший диаметр плода, имеющего форму отличную от шарообразной при его вращательном движении по рольганговому конвейеру за счет измерения размеров яблока в четырех направлениях под углами 0°, 45°, 90°, 135°.

Методология и методы исследования: приведенные в диссертации результаты исследований основываются на математической физике, математическом моделировании, математической статистике, теории распространения электромагнитных волн оптического излучения, метрологии, информационных технологиях.

Положения, выносимые на защиту:

1. Алгоритмическое обеспечение информационно-измерительной системы для классификации и контроля качества яблок, включающее в себя:

- алгоритм определения максимального диаметра яблока с применением системы технического зрения;

- методику обработки измерительной информации с целью классификации растительных тканей по видам дефектов;

- метод измерения спектральной световой яркости поверхности яблок при их движении на конвейере;

2. Результаты метрологического анализа для определения источников погрешности и выработанные рекомендации по компенсации влияния этих источников.

Степень достоверности: подтверждается количественным и качественным совпадением результатов, полученных автором, с результатами, представленными в независимых источниках по данной тематике.

Апробация результатов: результаты, полученные в ходе выполнения исследований, докладывались на следующих конференциях: III Всероссийской (национальной) научно-практической конференции «Современная наука: теория,

методология, практика», Тамбов, 13-14 апреля 2021 г.; III International Conference MIP: Engineering-2021: Advanced Technologies In Material Science, Mechanical And Automation Engineering, Красноярск, 29 апреля 2021 г.; IV International Scientific Conference «MIP Engineering-IV-2022: Modernization, Innovations, Progress: Advanced Technologies in Material Science, Mechanical and Automation Engineering», г. Красноярск, 30 апреля 2022 г.; Международном симпозиуме

«Надежность и качество», Пенза, 2021; XII Международной теплофизической школе «Теплофизика и информационные технологии», Тамбов, 2021 г.

Публикации: основные результаты диссертационной работы изложены в 23 печатных работах, из которых 4 статьи в рецензируемых научных изданиях, входящих в международные базы данных и системы цитирования, 4 статьи в изданиях, включенных в перечень ВАК. Получены три свидетельства о государственной регистрации программ для ЭВМ (2020613015, 2020613017, 2020613018) и один патент (2737607).

Структура и объем работы: диссертация состоит из введения, пяти глав, заключения и списка используемой литературы, включающего 11 9 источников. Диссертационная работа изложена на 120 страницах, содержит 46 рисунков, 11 таблиц.

Заключение диссертации по теме «Другие cпециальности», Жиркова Александра Александровна

5.3 Выводы по пятой главе

В пятой главе рассмотрены составляющие погрешности контроля качества растительной ткани яблок. Выявлены источники погрешности, основные из

которых - это влияние неравномерности освещения, непрезентабельность обучающих выборок, их малый размер, ошибки оператора при разметке растительных тканей яблок в ходе получения обучающих выборок.

Рисунок 48 - Классификация составяющих погрешности контроля в зависимости от причины появления

Проведенная классификация яблок по категориям с использованием контрольных выборок показала удовлетворительную точность классификации и подтвердила возможность применения системы ИИС на основе гиперспектрального сканирования и дискриминантного анализа для автоматизации сортировки яблок по качеству.

В диссертации решена задача обеспечения точности идентификации не менее 90% бездефектных растительных тканей яблок в режиме реального времени с применением гиперспектрального контроля при их движении на конвейере, а также классификации растительных тканей по видам дефектов. При этом были достигнуты следующие результаты:

1. На основе анализа научно-технической литературы в области современного состояния ИИС для контроля яблок при сортировке выявлены основные тенденции развития ИИС и обосновано применение гиперспектрального контроля для классификации яблок по дефектам.

2. Получены более 50 тыс. спектрограмм для участков поверхности яблок сортов «Имрус», «Орловское», «Спартан», включающих неповрежденную и поврежденную (гнилью, паршой, плодожоркой) зоны, а также области чашелистика и плодоножки.

3. Показано, что в качестве основных источников освещения яблок на конвейере необходимо использование галогеновых ламп, обеспечивающих равномерный спектр в диапазоне 400..1000 нм, соответствующий спектральному диапазону гиперспектральной камеры Бреет ¥Х-10.

4. Показано, что спектрограммы отраженного излучения в диапазоне 4001000 нм позволяют определить вегетативные индексы, пригодные для обнаружения дефектов растительной ткани яблок. При этом предложен единый подход, заключающийся в использовании метода главных компонент и многомерного дискриминантного анализа, позволивший для обучающей выборки спектрограмм отраженного излучения от растительной ткани яблок сортов «Имрус», «Орловское», «Спартан» получить функции классификации, в которых в качестве предикторов используются вегетативные индексы, зависящие от регистрируемой спектральной яркости объектов контроля на длинах волн 500, 510, 550, 680, 700, 710, 720, 750, 905 и 960 нм, определенных с помощью кривых

нагрузки первых пяти главных компонент, описывающих дисперсию первичных данных более чем на 98,9%. Предоженный подход можно применить для яблок других сортов и для других фруктов.

5. Показано, что для выполнения требования ГОСТ 34314-2017 в части наибольшего диаметра яблок возможно применение предложенного метода определения геометрических размеров яблок при их движении на рольганговом конвейере с применением системы технического зрения в видимой области спектра на основе камеры Basler ac A1920-155, учитывающего отклонение формы яблока от шарообразной.

6. Показано, что для получения спектрограмм со всей поверхности движущегося по рольганговому конвейеру яблока вдоль линии сканирования с участка площадью не более 0,11 мм2 и со скоростью не менее 330 fps целесообразно использовать алгоритм управления движением поворотного зеркала, учитывающий положение яблока на конвейере, при котором излучение с линии сканирования от движущегося по конвейеру яблока отражается на фотоприемник гиперспектральной камеры в течение времени за которое яблоко совершит полный оборот.

7. Проведен метрологический анализ разработанной ИИС, определены источники погрешности и разработаны мероприятия по компенсации влияния этих источников. Погрешность измерения максимального диаметра яблок составляет не хуже ±1,5 мм, а доля правильной классификации здоровых растительных тканей яблок не менее 93%.

Разработанные макет сортировочного комплекса и программно-алгоритмическое обеспечение используются в учебном процессе ФГБОУ ВО «ТГТУ», в научных исследованиях, а также при создании систем технического зрения для сортировки корнеклубнеплодов.

Список литературы диссертационного исследования кандидат наук Жиркова Александра Александровна, 2023 год

СПИСОК ЛИТЕРАТУРЫ

1. ГОСТ 34314-2017 «Яблоки свежие, реализуемые в розничной торговле. Технические условия» : Межгосударственный стандарт Российской Федерации : издание официальное : утвержден и введен в действие Межгосударственным советом по стандартизации, метрологии и сертификации от 30.11.2017 № 52-2017 : введен впервые : дата введения 2018-07-01 / разработан Автономной некоммерческой организацией «Научно-исследовательский центр «Кубаньагростандарт» (АНО «НИЦ «Кубаньагростандарт»). - Москва : Стандартинформ, 2018.- 32 с. (Межгосударственный стандарт). - Текст : непосредственный.

2. ГОСТ Р 50528-93 (ISO 8682-87) «Яблоки свежие. Хранение в контролируемой атмосфере» : Государственный стандарт Российской Федерации : издание официальное : утвержден и введен в действие Госстандартом России от 15.03.1993 № 79-1993 : введен впервые : дата введения 1994-01-01 / разработан Автономной некоммерческой «Научно-исследовательский центр «Кубаньагростандарт» (АНО «НИЦ «Кубаньагростандарт»). - Москва : Издательство стандартов, 1993.- 13 с. (Межгосударственный стандарт). - Текст : непосредственный.

3. ГОСТ 27819-88 (ISO 1212-76, ISO 2169-81) «Яблоки свежие. Хранение в холодильных камерах» : Межгосударственный стандарт: издание официальное : утвержден и введен в действие Государственным комитетом СССР по стандартам от 14.09.1988 № 3149-1988 : введен впервые : дата введения 1991-01-01 / разработан Государственным агропромышленным комитетом СССР. - Москва : Стандартинформ, 2004.- 11 с. (Межгосударственный стандарт). - Текст : непосредственный.

4. ТР ТС 021/2011 Технический регламент Таможенного союза «О безопасности пищевой продукции» : издание официальное : утвержден и введен в действие Решением Комиссии Таможенного союза от 0.12.2011 № 880-2011 /

[Электронный ресурс] : [сайт]. — URL: https://docs.cntd.ru/document/902320560 (дата обращения: 19.04.2023).

5. ГОСТ 16270-70 «Яблоки свежие ранних сроков созревания. Технические условия» : Межгосударственный стандарт Российской Федерации : издание официальное : утвержден и введен в действие Комитетом стандартов, мер и измерительных приборов при Совете Министров СССР от 04.06.1970 № 1203 -1970 : введен впервые : дата введения 1971-01-01 / разработан Министерством сельского хозяйства СССР. - Москва : Стандартинформ, 2011.- 6 с. (Межгосударственный стандарт). - Текст : непосредственный.

6. ГОСТ 27572-2017 «Яблоки свежие для промышленной переработки. Технические условия» : Межгосударственный стандарт Российской Федерации : издание официальное : утвержден и введен в действие Межгосударственным советом по стандартизации, метрологии и сертификации от 25.09.2017 № 103-П-2017 : введен впервые : дата введения 2018-07-01 / разработан Автономной некоммерческой организацией «Научно-исследовательский центр «Кубаньагростандарт» (АНО «НИЦ «Кубаньагростандарт»). - Москва : Стандартинформ, 2018.- 12 с. (Межгосударственныйстандарт). - Текст : непосредственный.

7. Obenland D., Neipp P. Chlorophyllfluorescenceimagingallowsearlydetectionandlocalizationoflemonrindinjuryf ollowinghotwatertreatment [Текст] / D. Obenland, P. Neipp // Hortscience. — 2005. — № 40 (60). — С. 1821-1823.

8. Бугановская О.Н. Оптические методы диагностики зрелости и качества плодоовощной продукции [Текст] / О.Н. Бугановская // Научно-производственный журнал «Вестник». — 2011. — № 2. — С. 83-91.

9. Будаговская О.Н. Лазерно-оптические методы и технические средства многопараметрической диагностики растений и плодов : специальность 05.20.02 «Электротехнологии и электрооборудование в сельском хозяйстве» : Диссертация на соискание доктора технических наук / Будаговская, О.Н. ; Московский

государственный агроинженерный университет имени В.П. Горячкина. — Москва, 2013. — 420 c.

10. Budagovsky A.V., Budagovskaya O.N., Goncharov S.A., Belyachenko Yu.G., Lenz F., Oertel B. Application of laser irradiation for the estimation of functional state and the resistance to biotic and a biotic stresses in horticultural plants [Текст] / A.V. Budagovsky, O.N. Budagovskaya, S.A. Goncharov, Yu.G. Belyachenko, F. Lenz, B. Oertel // EUCARPIA Fruit Breeding Section Newsletter. — 2001. — № 5. — С. 31-32.

11. BudagovskyA.V., SolovykhN.V., YankovskayaM.B., MaslovaM.V., BudagovskayaO.N., BudagovskyI.A. Effect of spatial coherence flight on the photo regulation processesincells [Текст] / A.V. Budagovsky, N.V. Solovykh, M.B. Yankovskaya, M.V. Maslova, O.N. Budagovskaya, I.A. Budagovsky// PhysicalReviewE. — 2016. — № 94 (1). — С. 012411.

12. Budagovsky A.V., Solovykh N.V., Budagovskaya O.N. Cell response to quasi-monochromatic light with different coherence [Текст] / A.V. Budagovsky, N.V. Solovykh, O.N. Budagovskaya // Quantum electronics . — 2015. — № 45 (4). — С. 351-357.

13. АндреевС.А., Шевкун Н.А. Оптико-электронная роботизированная система для сортировки сельскохозяйственной продукции [Текст] / С.А. Андреев,

H.А. Шевкун // Международный технико-экономический журнал. — 2019. — №

I. — С. 33-40.

14. SofuM.M., ErO., KayacanM.C., Cetisli B. Design of an automatic apple sorting system using machine vision [Текст] / M.M. Sofu, O. Er, M.C. Kayacan, B. Cetisli // Computers and Electronics in Agriculture. — 2016. — № 127. — С. 395-405.

15. Ang Wu, Juanhua Zhu, Taiyong Ren Detection of apple defect using laser-induced light backscattering imaging and convolutional neural network [Текст] / Ang Wu, Juanhua Zhu, Taiyong Ren // Computers & Electrical Engineering. — 2020. — № 81. — С. 106454.

16. Chithra Pl, Henila M. Apple fruit sorting using novel thresholding and area calculation algorithms [Текст] / Pl Chithra, M. Henila // Soft Computing. — 2021. — № 25 (2). — С. 431-445.

17. Chi Zhang, Chunjiang Zhao, Wenqian Huang, Qingyan Wang, Shenggen Liu, Jiangbo Li, Zhiming Guo Automatic detection of defective apples using NIR coded structured light and fast lightness correction / Chi Zhang, Chunjiang Zhao, Wenqian Huang, Qingyan Wang, Shenggen Liu, Jiangbo Li, Zhiming Guo [Электронный ресурс] // ResearchGate : [сайт]. — URL: https: //www.researchgate.net/publication/313736373_Automatic_detection_of_defectiv e_apples_using_NIR_coded_structured_light_and_fast_lightness_correction (дата обращения: 23.04.2023).

18. Israel Pineda, Nur Alam Md., Oubong Gwun Calyx and Stem Discrimination for Apple Quality Control Using Hyperspectral Imaging [Текст] / Israel Pinedal, Nur Alam, Oubong Gwun // Technology Trends. — 2019. — № 20. — С. 274-287.

19. Ahsiah Ismail, Mohd Yamani Idna Idris, Mohamad Nizam Ayub Lip Yee Por Vision-Based Apple Classification for Smart Manufacturing [Текст] / Ahsiah Ismail, Mohd Yamani Idna Idris, Mohamad Nizam Ayub Lip Yee // Sensors . — 2018. — № 18. — С. 43-53.

20. Y. Lu, R. Lu Detection of Defects on Apples Using Structured-Illumination Reflectance Imaging (SIRI) with Machine Learning / Y. Lu, R. Lu [Текст] // Engineering Graduate Research Symposium. — Michigan : Michigan State University, 2018. — С. 274-287.

21. Obenland D., Neipp P. Chlorophyll fluorescence imaging allows early detection and localization of lemon rind in jury following hot water treatment [Текст] / D. Obenland, P. Neipp // Hortscience. — ???. — № 40 (6). — С. 1821-1823.

22. Jiangbo Lia,Wei Luob, Zheli Wangc, Shuxiang Fana Early detection of decay on apples using hyperspectral reflectance imaging combining both principal component analysis and improved watershed segmentation method [Текст] / Jiangbo Lia,Wei

Luob, Zheli Wangc, Shuxiang Fana // Postharvest Biology and Technology. — 2019. — № 149. — С. 235-246.

23. Antonietta Baiano Applications of hyperspectral imaging for quality assessment of liquid based and semi-liquid food products [Текст] / Antonietta Baiano // A review Journal of Food Engineering . — 2017. — № 214. — С. 10-15.

24. Robert Ennis, Florian Schiller, Matteo Toscani, Karl R. Gegenfurtner Hyperspectral database of fruits and vegetables [Текст] / Robert Ennis, Florian Schiller, Matteo Toscani, Karl R. Gegenfurtner // Journal of the Optical Society of America A. — 2018. — № 35 (4). — С. 256-266.

25. Archana B. Patankar, Priya A. Tayade Application of Computer Vision in Agriculture [Текст] / Archana B. Patankar, Priya A. Tayade // International Journal of Electronics and Computer Science Engineering. — 2015. — № 4 (3). — С. 238-244.

26. Yuzhen Lu, Yuping Huang, Renfu Lu Innovative Hyperspectral Imaging-Based Techniques for Quality Evaluation of Fruits and Vegetables [Текст] / Yuzhen Lu, Yuping Huang, Renfu Lu // Applied Science. — 2017. — № 7. — С. 189.

27. Baek I., Cho B.K., Gadsden S.A., Eggleton C., Oh M., Mo C., Kim M.S. A novel hyperspectral line-scan imaging method for whole surfaces of round shaped agricultural products [Текст] / I. Baek, B.K. Cho, S.A. Gadsden, C. Eggleton, M. Oh, C. Mo, M.S. Kim // Biosystems Engineering. — 2019. — № 188. — С. 57-66.

28. Tuccio Lorenza, Agati Giovanni, Grassini Graziana Non-destructive fluorescence sensing for applications in precision viticulture / Tuccio Lorenza, Agati Giovanni, Grassini Graziana [Текст] // International Conference on Biophotonics (Biophotonics). — Florence, Italy : Italian National Research Council, Florence Research Area, 2015. — С. 79-82.

29. Mousaei Sanjerehei M. Assessment of spectral vegetation indices for estimating vegetation cover in arid and semiarid shrublands [Текст] / Mousaei Sanjerehei M. // Range Management and Agro forestry. — 2014. — № 35 (1). — С. 91-100.

30. Cohen W.B., Maiersperger T.K., Gower S.T., Turner D.P. An improved strategy for regression of biophysical variables and Landsat ETM [Текст] /W.B. Cohen, T.K.Maiersperger, S.T.Gower, D.P. Turner // Remote Sensing of Environment. — 2003. — № 84 (4). — С. 561-571.

31. Anuja Bhargava, Atul Bansal Automatic detection and grading of multiple fruits by machine learning [Текст] / Anuja Bhargava, Atul Bansal // Food Analytical Methods. — 2019. — № 13 (3). — С. 751-761.

32. Liakos Konstantinos G., Busato Patrizia, Moshou Dimitrios, Simon Pearson, Dionysis Bochtis Machine Learning in Agriculture: A Review [Текст] / Liakos Konstantinos G., Busato Patrizia, Moshou Dimitrios, Simon Pearson, Dionysis Bochtis // Sensors. — 2018. — № 18 (8). — С. 1-29.

33. Le Cun Yann, Bengio Yoshua, Hinton Geoffrey Deeplearning [Текст] / Le Cun Yann, Bengio Yoshua, Hinton Geoffrey // Nature. — 2015. — № 521 (7553). — С. 436-444.

34. Nesar Mohammadi Baneh Hosein Navid Jalal Kafashan Mechatronic components in apple sorting machines with computer vision [Текст] / Nesar Mohammadi Baneh Hosein Navid Jalal Kafashan // Journal of Food Measurement and Characterization. — 2018. — № 12 (2). — С. 1135-1155.

35. Javier Cardenasa, Miguel Figueroaa, Jorge E. Pezoaa A custom hardware classier for bruised apple detection in hyperspectral images / Javier Cardenasa, Miguel Figueroaa, Jorge E. Pezoaa [Электронный ресурс] // ResearchGate : [сайт]. — URL: https://www.researchgate.net/publication/300345586_A_custom_hardware_classifier_f or_bruised_apple_detection_in_hyperspectral_images (дата обращения: 23.04.2023).

36. Ma C., Sun Z., Chen C., Zhang L., Zhu S. Simultaneous separation and determination of fructose, sorbitol, glucose and sucrose in fruits by HPLC-ELSD [Текст] / C.Ma, Z. Sun, C. Chen, L.Zhang, S.Zhu // FoodChem. — 2014. — № 145. — С. 784-788.

37. Jie D., Xie L., Rao X., Ying Y. Using visible and near infrared diffuse transmit-tance technique to predict soluble solids content of watermelon in an on-line

detection system [Текст] /D. Jie, L.Xie, X.Rao, Y.Ying // Postharvest Biol. Technol. — 2014. — № 90. — С. 1-6.

38. Fernando А. Mendoza, Renfu Lu, Haiyan Cen Grading of apples based on firmness and soluble solids content using Vis/SWNIR spectroscopy and spectral scattering techniques [Текст] / Fernando А. Mendoza, Renfu Lu, Haiyan Cen // Journal of Food Engineering. — 2014. — № 125 (1). — С. 59-68.

39. Te Ma, Yu Xia, Tetsuya Inagaki, Satoru Tsuchikawa Rapid and nondestructive evaluation of soluble solids content (SSC) and firmness in apple using Vis-NIR spatially resolved spectroscopy / Te Ma, Yu Xia, Tetsuya Inagaki, Satoru Tsuchikawa [Электронный ресурс] // ResearchGate : [сайт]. — URL: https://www.researchgate.net/publication/346879668_Rapid_and_nondestructive_evalu ation_of_soluble_solids_content_SSC_and_firmness_in_apple_using_Vis-NIR_spatially_resolved_spectroscopy (дата обращения: 23.04.2023).

40. Bo Zhang, Mengsheng Zhang, Maosheng Shen, Hao Li, Zhongxiong Zhang, Haihui Zhang, Zhaoyong Zhou, Xiaolin Ren, Yuduan Ding, Libo Xing, Juan Zhao Quality monitoring method for apples of different maturity under long-term cold storage / Bo Zhang, Mengsheng Zhang, Maosheng Shen, Hao Li, Zhongxiong Zhang, Haihui Zhang, Zhaoyong Zhou, Xiaolin Ren, Yuduan Ding, Libo Xing, Juan Zhao [Электронный ресурс] // ScienceDirect : [сайт]. — URL: https://www.sciencedirect.com/science/article/abs/pii/S1350449520306289?via%3Dihu b (дата обращения: 23.06.2023).

41. Carlos Blanes, Coral Ortiz, Martin Mellado, Pablo Beltran Assessment of eggplant firmness with accelerometers on a pneumatic robot gripper [Текст] / Carlos Blanes, Coral Ortiz, Martin Mellado, Pablo Beltran // Computers and Electronics in Agriculture. — 2015. — № 113. — С. 44-50.

42. Yang Chen, Shaofei Guo, Cunfeng Li, Hui Yang, Lina Hao Size recognition and adaptive grasping using an integration of actuating and sensing soft pneumatic gripper [Текст] / Yang Chen, Shaofei Guo, Cunfeng Li, Hui Yang, Lina Hao // Robotics and Autonomous Systems. — 2018. — № 104. — С. 14-24.

43. Carlos Blanes, Martin Mellado, Pablo Beltran Tactile sensing with accelerometers in prehensile grippers for robots [Текст] / Carlos Blanes, Martin Mellado, Pablo Beltran // Mechatronics. — 2016. — № 33. — С. 1-12.

44. Masoumi A.A., Kalhor M., Shafaei S.M. Design, construction and evaluation of an automatic apple grading system [Текст] / A.A. Masoumi, M. Kalhor, S.M. Shafaei // Agricultural Engineering International. — 2015. — № 17 (1). — С. 247-254.

45. Технологии гиперспектральных камер / [Электронный ресурс] // Naked Science : [сайт]. — URL: https://naked-science.ru/article/concept/tehnologii-giperspektralnyh-kamer (дата обращения: 18.04.2023).

46. Haykin S. Neural Networks: A Comprehensive Foundation [Текст] / Haykin S. — 1-е изд. — New Jersey: Upper Saddle River, 1999 — 906 c.

47. Merzlyak M.N., Solovchenko A.E., Gitelson A.A. Reflectance spectral features and non-destructive estimation of chlorophyll, carotenoid and anthocyanin content in apple fruit [Текст] / Merzlyak M.N., Solovchenko A.E., Gitelson A.A. // Postharvest Biology and Technology. — 2003. — № 27 (2). — С. 197-211.

48. Dinh B.M., Timofeev A.N., Konyakhin I.A., Korotaev V.V. Increasing the Reliability of Decision Making by Improving the Characteristics of Optoelectronic Channels Ensuring the Separation of Complex Shape Fruit [Текст] / B.M. Dinh, A.N. Timofeev, I.A. Konyakhin, V.V. Korotaev // Studies in Systems, Decision and Control. — 2021. — № 352. — С. 229-240.

49. Техническая документация https://static.chipdip.ru/lib /355/DOC004355472.pdf.

50. Патент № 1658989 А1. Машина для сортировки плодов: № 4646961 : заявлено 07.02.1989 : опубликовано 30.06.1991 / Будаговская О.Н., Гордеев А.С., Гогчаров С.А., Ларшин Ю.П. - Текст : непосредственный.

51. Nieoczym A., Caban J., Marczuk A., Brumercik F. Construction design of apples sorter [Текст] / A. Nieoczym, J. Caban, A. Marczuk, F. Brumercik // BIOWebConf. — 2018. — № 10 (4). — С. 2-6/

52. Zhang Z., Lu Y., Lu R. Development and evaluation of anapple infieldgrading and sorting system [Текст] / Z. Zhang, Y. Lu, R. Lu // Postharvest Biol. Technol. — 2021. — № 180 (4). — С. 71-87.

53. Blasco J., Aleixos N., Molto E. Machin evision system for automatic quality gradingoffruit [Текст] / J. Blasco, N. Aleixos, E. Molto // Biosyst. Eng. — 2003. — № 85 (4). — С. 415-423.

54. Ismail A., Idris M.Y.I., Ayub M.N., Por L.Y. Vision-based apple classification for smart manufacturing [Текст] / A. Ismail, M.Y.I. Idris, M.N. Ayub, L.Y. Por // Sensors. — 2018. — № 18 (12). — С. 43-53.

55. Leeetal W.H. Hyperspectral near-infraredimaging for the detection of physical damages of pear [Текст] / W.H. Leeetal // J. Food Eng. — 2014. — № 130. —

C. 1-7.

56. Kavdir I., Guyer D.E. Apple grading using fuzzy logic [Текст] / I. Kavdir,

D.E. Guyer // Turkish J. Agric. For. — 2003. — № 27 (6). — С. 375-382.

57. Балабанов П.В., Дивин А.Г., Егоров А.С., Жиркова А.А. Система оптико-электронной сортировки яблок на конвейере [Текст] / П.В. Балабанов, А.Г. Дивин, А.С. Егоров, А.А. Жиркова // Контроль. Диагностика. — 2022. — № Т. 25. № 1 (283). — С. 38-44.

58. Балабанов П.В., Жиркова А.А., Дивин А.Г., Егоров А.С., Мищенко С.В., Шишкина Г.В. Информационно-измерительная система для управления процессом сортировки овощей и фруктов [Текст] / П. В. Балабанов, А.А. Жиркова, А.Г. Дивин, А.С. Егоров, С.В. Мищенко, Г.В. Шишкина // Вестник Тамбовского государственного технического университета. — 2022. — № 28 (4). — С. 526-533.

59. Wen-Hsiang Tsai Moment-Preserving Thresholding: A New Approach [Текст] / Wen-Hsiang Tsai // Computer Vision, Graphics, and Image Processing. — 1985. — № 29 (3). — С. 377-393.

60. Adv. Morphology (Binary Adv. Morphology) / [Электронный ресурс] // NI Vision Assistant Documentation : [сайт]. — URL: https://documentation.help/NI-Vision-Assistant/AdvMorphology_Controls.html (дата обращения: 18.04.2023).

61. ГОСТ 7502-98 «Рулетки измерительные металлические. Технические условия» : Межгосударственный стандарт : издание официальное : утвержден и введен в действие Государственным комитетом Российской Федерации по стандартизации и метрологии 27.07.1999 № 229-ст-2000 : введен впервые : дата введения 01.07.2000 / разработан Государственным предприятием «Научно-исследовательский институт горной геомеханики и маркшейдерского дела» (ВНИМИ) и Межгосударственным Техническим комитетом по стандартизации МТК 296 «Оптика и оптические приборы» - Минск : Межгосударственный совет по стандартизации, метрологии и сертификации, 1998.- 11 с. (Межгосударственный стандарт). - Текст : непосредственный.

62. ГОСТ 5072-79 «Секундомеры механические. Технические условия» : Государственный стандарт Союза ССР : издание официальное : утвержден и введен в действие Государственным комитетом СССР по стандартам от 07.05.1979 № 1626 - Москва : Изд-во стандартов, 1986.- 21 с. (Государственный стандарт). - Текст : непосредственный.

63. Личман Г.И., Смирнов И.Г., Хорт Д.О., Филиппов Р.А. Применение систем технического зрения в машинных технологиях в садоводстве [Текст] / Г.И. Личман, И.Г. Смирнов, Д.О. Хорт, Р.А. Филиппов // Техника и оборудование для села. — 2017. — № 6. — С. 10-16.

64. Хорт Д.О., Смирнов И.Г. Интеллектуальные машинные технологии в садоводстве [Текст] / Д.О. Хорт, И.Г. Смирнов // Таврический вестник аграрной науки. — 2017. — № 1 (9). — С. 119-126.

65. Свидетельство о государственной регистрации базы данных RU2021620285 Российская Федерация. База данных спектральных изображений болезней и повреждений злаковых культур, плодов и клубней картофеля / А.С. Дорохов, А.А. Аксенов, Д.О. Хорт, А.И. Кутырёв, А.В. Тетерев, А.В. Сибирёв,

М.Н. Московский, Р.А. Филиппов, С.В. Семичев, М.А. Мосяков : заявитель и правообладатель Федеральное государственное бюджетное научное учреждение «Федеральный научный агроинженерный центр ВИМ» (ФГБНУ ФНАЦ ВИМ). -№ 2021620155 : заявл. 08.02.2021 : опубл. 16.02.2021.

66. Бланк В.А., Скиданов Р.В., Досколович Л.Л. Исследование спектральной линзы для формирования нормализованного разностного вегетационного индекса NDVI 0,705. [Текст] / В.А. Бланк, Р.В. Скиданов, Л.Л. Досколович // Оптический журнал. — 2022. — № 89 (3). — С. 20-27.

67. Фирсов Н.А., Подлипнов В.В., Ивлиев Н.А., Николаев П.П., Машков

C.В., Ишкин П.А., Скиданов Р.В., Никоноров А.В. Нейросетевая классификация гиперспектральных изображений растительности с формированием обучающей выборки на основе адаптивного вегетационного индекса [Текст] / Н.А. Фирсов, В.В. Подлипнов, Н.А. Ивлиев, П.П. Николаев, С.В. Машков, П.А. Ишкин, Р.В. Скиданов, А.В. Никоноров // Компьютерная оптика. — 2021. — № 45 (6). — С. 887-896.

68. Щедрин В.Н., Васильев С.М., Бабичев А.Н., Скиданов Р.В., Подлипнов В.В., Журавель Ю.Н. Наземная гиперспектральная аппаратура для измерения вегетативных индексов в задачах прецизионого орошения сельскохозяйственных культур [Текст] / В.Н. Щедрин, С.М. Васильев, А.Н. Бабичев, Р.В. Скиданов, В.В. Подлипнов, Ю.Н. Журавель // Научный журнал Российского НИИ проблем мелиорации. — 2018. — № 1 (29). — С. 1-14.

69. Балабанов П.В., Дивин А.Г., Егоров А.С., Жиркова А.А., Юдаев В.А. Detection of defects on apples using hyperspectral reflection visualization combining both vegetation index analysis and neural network [Текст] / П.В. Балабанов, А.Г. Дивин, А.С. Егоров, А.А. Жиркова, В.А. Юдаев // Journal of Physics: Conference Series Published: Published under licence by IOP PublishingLtd. — 2020. — № 1515 (3). — С. 9.

70. Balabanov P.V., Zhirkova A.A., Chugunov M.V., Generalova A.A., Bychkov

D.S., Divin A.G. Robotic complex for optoelectronic control of apples in intensive

gardening conditions / P.V. Balabanov, A.A. Zhirkova, M.V. Chugunov, A.A. Generalova, D.S. Bychkov, A.G. Divin [Текст] // Advanced Technologies in Material Science, Mechanical and Automation Engineering. — Красноярск: MIP: Engineering-III-2021, 2021. — С. 10.

71. Zhirkova A.A., Divin A.G., Balabanov P.V., Lyubimova D.A., Artamonova

0.5., Kuzmina S.N. Optoelectronic Quality Control of Apples Using Methods of Multidimensional Statistical Analysis in the Frames of Lean Manufacturing Approach / A.A. Zhirkova, A.G. Divin, P.V. Balabanov, D.A. Lyubimova, O.S. Artamonova, S.N. Kuzmina [Текст] // Proceedings of the 2022 International Conference «Quality Management, Transport and Information Security, Information Technologies». — IT and QM and IS 2022, 2022. — С. 243-246.

72. Zhiqiang W., Balabanov P., Muromtsev D., Ushakov I., Divin A., Egorov A., Zhirkova A., Kucheryavii Y. A System for the Direct Monitoring of Biological Objects in an Ecologically Balanced Zone [Текст] / W. Zhiqiang, P. Balabanov, D. Muromtsev,

1. Ushakov, A. Divin, A. Egorov, A. Zhirkova, Y. Kucheryavii // Drones. — 2023. — № 7. — С. 33.

73. Жиркова А.А., Балабанов П.В., Дивин А.Г. Выбор источников освещения при оптико-электронном контроле качества фруктов [Текст] / А.А. Жиркова, П.В. Балабанов, А.Г. Дивин // Вестник Тамбовского государственного технического университета. — 2021. — № 27 (4). — С. 536-542.

74. Патент № 2737607 С1 Российская Федерация. Способ оптического контроля качества сельскохозяйственной продукции шарообразной формы при сортировке на конвейере: № 2020113420 : заявлено 13.04.2020 : опубликовано 01.12.2020 / Дивин А.Г., Балабанов П.В., Егоров А.С., Шишкина Г.В, Жиркова А.А. ; заявитель ФГБОУ ВО «Тамбовский государственный технический университет» - 7 с. - Текст : непосредственный.

75. Свидетельство о государственной регистрации программы для ЭВМ 2020613015 Российская Федерация. Программа «Обработка изображений объектов растительного происхождения в оптическом (инфракрасном) диапазоне

спектра излучения» / П.В. Балабанов, А.Г. Дивин, А.С. Егоров, А.А. Жиркова : заявитель и правообладатель Федеральное государственное бюджетное образовательное учреждение высшего образования «Тамбовский государственный технический университет». - № 2020612114 : заявл. 27.02.2020 : опубл. 06.03.2020.

76. Свидетельство о государственной регистрации программы для ЭВМ

2020613017 Российская Федерация. Программа «Программа анализа и обработки изображения с гиперспектральной камеры» / П.В. Балабанов, А.Г. Дивин, А.С. Егоров, А.А. Жиркова, Нсено Пемби Дон Юни : заявитель и правообладатель Федеральное государственное бюджетное образовательное учреждение высшего образования «Тамбовский государственный технический университет». - № 2020612115 : заявл. 27.02.2020 : опубл. 06.03.2020.

77. Свидетельство о государственной регистрации программы для ЭВМ

2020613018 Российская Федерация. Программа «Обработка изображений объектов растительного происхождения в оптическом (видимом) диапазоне спектра излучения» / П.В. Балабанов, А.Г. Дивин, А.С. Егоров, А.А. Жиркова : заявитель и правообладатель Федеральное государственное бюджетное образовательное учреждение высшего образования «Тамбовский государственный технический университет». - № 2020612166 : заявл. 27.02.2020 : опубл. 06.03.2020.

78. Дивин А.Г., Мищенко С.В., Жиркова А.А. Неразрушающий бесконтактный тепловой метод контроля качества объектов растительного происхождения / А.Г. Дивин, С.В. Мищенко, А.А. Жиркова [Текст] // Труды одиннадцатой международной теплофизической школы «Информационно-сенсорные системы в теплофизических исследованиях». — Тамбов: Издательский центр ФГБОУ ВО «ТГТУ», 2018. — С. 105-110.

79. Жиркова А.А. Review of planttissue quality control methods / А.А. Жиркова [Текст] // Мир науки без границ: материалы 6-й Международной науч.-

практ. конференции молодых учёных . — Тамбов: Издательский центр ФГБОУ ВО «ТГТУ», 2019. — С. 292-294.

80. Балабанов П.В., Жиркова А.А., Дивин А.Г., Мищенко С.В., Рамон Н.А. Разработка системы управления перемещением объекта контроля при гиперспектральном анализе / П.В. Балабанов, А.А. Жиркова, А.Г. Дивин, С.В. Мищенко, Н.А. Рамон [Текст] // Инженерные технологии мониторинга и обеспечения продовольственной и экологической безопасности: материалы Международной научно-практической конференции. — Тамбов: Издательский центр ФГБОУ ВО «ТГТУ», 2019. — С. 189-192.

81. Балабанов П.В., Егоров А.С., Дивин А.Г., Жиркова А.А., Мищенко С.В. Гиперспектральный контроль пищевых продуктов / П.В. Балабанов, А.С. Егоров, А.Г. Дивин, А. А. Жиркова, С.В. Мищенко [Текст] // XVI Всероссийская школа-конференция молодых ученых «Управление большими системами». — Тамбов: Издательский центр ФГБОУ ВО «ТГТУ», 2019. — С. 345-350.

82. Балабанов П.В., Дивин А.Г., Жиркова А.А., Любимова Д.А. Дистанционный гиперспектральный контроль и мониторинг фруктовых насаждений / П.В. Балабанов, А.Г. Дивин, А.А. Жиркова, Д.А. Любимова [Текст] // II Всероссийская научно-практическая конференция «Беспилотная авиация: состояние и перспективы развития». — Воронеж, 2020. — С. 4.

83. Балабанов П.В., Дивин А.Г., Жиркова А.А. Получение спектрограмм для участков поверхности объектов контроля (яблок), включающих неповрежденную и поврежденную зоны, а также для поверхности конвейера, на котором транспортируются объекты контроля [Текст] / П.В. Балабанов, А.Г. Дивин, А.А. Жиркова // Ежемесячный научный журнал «Национальная ассоциация ученых». — 2021. — № 63 (2). — С. 17-19.

84. Жиркова А.А., Балабанов П.В., Дивин А.Г. Автоматизированная система гиперспектрального контроля дефектов яблок / А.А. Жиркова, П.В. Балабанов, А.Г. Дивин [Текст] // Современная наука: теория, методология, практика: Материалы III-ей всероссийской (национальной) научно-практической

конференции. — Тамбов: Издательский центр ФГБОУ ВО «ТГТУ», 2021. — С. 291-296.

85. Жиркова А.А., Балабанов П.В., Дивин А.Г., Егоров А.С., Макарова В.С. Система оптического контроля качества яблок / А.А. Жиркова, П.В. Балабанов, А.Г. Дивин, А.С. Егоров, В.С. Макарова [Текст] // Труды Международного симпозиума «Надежность и качество». — Пенза, 2021. — С. 20-23.

86. Жиркова А.А., Балабанов П.В., Дивин А.Г. Анализ спектрограмм фруктов [Текст] / А.А. Жиркова, П.В. Балабанов, А.Г. Дивин // «Научно-практический электронный журнал Аллея Науки». — 2021. — № 6 (57). — С. 1115-1119.

87. Жиркова А.А. Исследование яблок с помощью ИК-спектроскопии / А.А. Жиркова [Текст] // Сборник материалов Международной научно-практической конференции посвященной памяти академика РАН В.П. Зволинского и 30-летию создания ФГБНУ «ПАФНЦ РАН». — с. Соленое Займище: 251-254, 2021. — С. 251-254.

88. Жиркова А.А., Дивин А.Г. Тепловой контроль растительных тканей овощей и фруктов / А.А. Жиркова, А.Г. Дивин [Текст] // Теплофизика и информационные технологии. — Тамбов: Издательский центр ФГБОУ ВО «ТГТУ», 2022. — С. 131-135.

89.Zhou F., Cui Y., Liu L., Gao H. Distortion correction using a single image based on projective invariability and separate model [Текст] / F. Zhou, Y. Cui, L. Liu, and H. Gao // Optik (Stuttg). — 2013. — № 124 (17). — С. 3125-3130.

90. Li J., Su J., Zeng X.A solution method for image distortion correction model based on bilinear interpolation [Текст] / J. Li, J. Su, X. Zeng // Comput. Opt. — 2019. — № 43 (1). — С. 99-104.

91. Kannala J., Brandt S. A generic camera model and calibration method for conventional, wide-angle, and fish-eye lenses, IEEE Trans. Pattern Anal. Mach. Intell. 28 (8) (2006) 1335-1340.

92. Gennery D. Generalized camera calibration including fish-eye lenses [Текст] / D. Gennery // Int. J.Comput. — 2006. — № 68 (3). — С. 239-266.

93. Zhang Z. A flexible new technique for camera calibration [Текст] / Z. Zhang // IEEE Trans. Pattern Anal. Mach. Intell. — 2000. — № 22 (11). — С. 1330-1334.

94. Zhang G., He J., Yang X. Calibration camera radial distortion with cross-ratio invariability [Текст] / G. Zhang, J. He, X. Yang // Opt. Laser Technol. — 2003. — № 35. — С. 457-461.

95. Zhou F., Hu K., Zhang G. Correcting distortion of camera lens with collinear points [Текст] / F. Zhou, K. Hu, G. Zhang // Chin. J. Mech. Eng. — 2006. — № 42 (9).

— С. 174-177.

96. Ricolfe C., Sanchez A. Correcting non-linear lens distortion in cameras without using a model [Текст] / C. Ricolfe, A. Sanchez // Opt. Laser Technol. — 2010.

— № 42. — С. 628-639.

97. Ricolfe C., Sanchez A. Robust metric calibration of non-linear camera lens distortion [Текст] / C. Ricolfe, A. Sanchez // Pattern Recogn. — 2010. — № 43. — С. 1688-169.

98. Brown D.C. Close-range camera calibration [Текст] / D.C. Brown // Photogrammetric . — 1971. — № 37. — С. 855-866.

99. Zhang G. Vision measurement [Текст] / G. Zhang // Science Press. — 2008.

— № . — С. 27-30.

100. Devernay F., Faugeras O. Straight lines have to be straight [Текст] / F. Devernay, O. Faugeras // Mach. Vision Appl. — 2001. — № 13. — С. 14-24.

101. Alvarez L., Gomez L., Rafael J. An algebraic approach to lens distortion by line rectification [Текст] / L. Alvarez, L. Gomez, J. Rafael // Math. Imaging . — 2009.

— № 35. — С. 36-50.

102. Ординарцева, Н. П. Планирование эксперимента на интервальных переменных как метрологически обоснованный инструмент решения задач измерений [Текст] / Н. П. Ординарцева // Измерение. Мониторинг. Управление. Контроль. — 2018. — № 3 (25). — С. 43-48.

103. Ординарцева, Н. П. Повышение точности измерений методом калибровки в рабочих условиях эксплуатации / Н. П. Ординарцева [Текст] // Методы, средства и технологии получения и обработки измерительной информации. Материалы Международной научно-технической конференции, посвященной 100-летию со дня рождения В.М. Шляндина. — Пенза: Пензенский государственный университет, 2018. — С. 172-175.

104. Ординарцева, Н. П., Пчелинцева И. Ю. Информационная поддержка жизненного цикла средства измерения / Н. П. Ординарцева, И. Ю. Пчелинцева [Текст] // Информационные технологии в науке и образовании. Проблемы и перспективы. Сборник научных статей VI Всероссийской межвузовской научно-практической конференции под ред. Л. Р. Фионовой. — Пенза: Пензенский государственный университет, 2019. — С. 206-208.

105. Ординарцева, Н. П. Интервальные методы исследования в современных метрологических задачах / Н. П. Ординарцева [Текст] // Методы, средства и технологии получения и обработки измерительной информации («Шляндинские чтения - 2019») Материалы XI Международной научно-технической конференции с элементами научной школы и конкурсом научно-исследовательских работ для студентов, аспирантов и молодых ученых под ред. Е. А. Печерской. — Пенза: Пензенский государственный университет, 2019. — С. 81-84.

106. Ординарцева, Н. П. Нахождение калибровочной характеристики средства измерений в условиях действия влияющих величин / Н. П. Ординарцева [Текст] // Методы, средства и технологии получения и обработки измерительной информации («Шляндинские чтения - 2021») Материалы XIII Международной научно-технической конференции с элементами научной школы и конкурсом научно-исследовательских работ для студентов, аспирантов и молодых ученых . Под редакцией Е.А. Печерской. — Пенза: Пензенский государственный университет, 2021. — С. 46-49.

107. Ординарцева Н. П., Храмцев А. С. Оптимизация контроля технологии и готовой продукции с большим числом контролируемых параметров / Ординарцева Н. П., Храмцев А. С. [Текст] // Методы, средства и технологии получения и обработки измерительной информации («Шляндинские чтения -2022») материалы XIV Международной научно-технической конференции с элементами научной школы и конкурсом научно-исследовательских работ для обучающихся и молодых ученых. — Пенза: Пензенский государственный университет, 2022. — С. 307-309.

108. Измайлов А. Ю., Смирнов И. Г., Хорт Д. О. Проектирование интеллектуальных агротехнологий в системе «Умный сад» / Измайлов А. Ю., Смирнов И. Г., Хорт Д. О. [Текст] // Информационные технологии, системы и приборы в АПК. Материалы 7-й Международной научно-практической конференции «Агроинфо-2018». Сибирский федеральный научный центр агробиотехнологий Российской академии наук, Сибирский физико-технический институт аграрных проблем и др. — Новосибирск: Сибирский физико-технический институт аграрных проблем, 2018. — С. 468-474.

109. Хорт Д. О., Смирнов И. Г., Филиппов Р. А. Применение робототехнических систем при проведении экспериментальных исследований в растениеводстве / Хорт Д. О., Смирнов И. Г., Филиппов Р. А. [Текст] // Доклады ТСХА. — Москва: Российский государственный аграрный университет - МСХА им. К.А. Тимирязева, 2019. — С. 166-170.

110. Хорт Д. О., Кутырёв А. И., Филиппов Р. А. Система компьютерного зрения для распознавания плодов яблони [Текст] / Хорт Д. О., Кутырёв А. И., Филиппов Р. А. // Интернаука. — 2019. — № 40-2 (122). — С. 33-37.

111. Хорт Д. О., Филиппов Р. А., Кутырев А. И. Изучение влияния электрических полей на растения [Текст] / Хорт Д. О., Филиппов Р. А., Кутырев А. И. // Енергетика I автоматика. — 2019. — № 5 (45). — С. 42-62.

112. Смирнов И.Г., Кутырёв А.И., Хорт Д.О., Тумаева Е.А., Бурменко Ю.В. Разработка программно-аппаратного комплекса с мобильным приложением на

основе нейронной сети для мониторинга плодов яблони в кроне дерева [Текст] / Смирнов И.Г., Кутырёв А.И., Хорт Д.О., Тумаева Е.А., Бурменко Ю.В. // Садоводство и виноградарство. — 2023. — № 1. — С. 43-51.

113. Родиков, С. А. Анализ цветности кожицы яблок и содержание а них хлорофилла / С. А. Родиков [Текст] // Материалы научн.-практ. конференции. — Мичуринск: Изд-во Мичуринского ГАУ, 2022. — С. 106-107.

114. Родиков С. А., Бурлаков А. В. Методические аспекты при измерении медленной индукции флуоресценции хлорофилла кожицы яблок / Родиков С. А., Бурлаков А. В. [Текст] // В сборнике: Современное состояние садоводства Российской Федерации, проблемы отрасли и пути их решения. Материалы научно-практической конференции, в рамках 15-ой Всероссийской выставки «День садовода-2020». — Тамбов: Общество с ограниченной ответственностью «Тамбовский полиграфический союз», 2020. — С. 109-112.

115. Дмитриев Д. О., Родиков С. А. Оптические характеристики растений и устройства измерения спектральных коэффициентов отражения / Дмитриев Д. О., Родиков С. А. [Текст] // Инженерное обеспечение инновационных технологий в АПК. — Мичуринск: Сборник материалов Международной научно-практической конференции. Под общей редакцией В.А. Солопова, 2018. — С. 180-183.

116. Родиков, С. А. Устройство для облучения яблок светом / С. А. Родиков [Текст] // Материалы Всероссийской научно-практической конференции «Инновационные подходы к разработке технологий производства, хранения и переработки продукции растениеводческого кластера». — Мичуринск-наукоград: Изд-во Мичуринского ГАУ 2020. — С. 197-198.

117. Родиков С. А., Будаговская О. Н. Контроль морфологических характеристик поверхности яблок по показателям когерентного излучения [Текст] / Родиков С. А., Будаговская О. Н. // Электронный журнал. «Наука и образование». — 2020. — № Т 3, № 3.

118. Дивин, А.Г. Информационно-измерительная система для контроля яблок по размеру при их сортировке [Текст] / А. Г. Дивин, П. В. Балабанов, А. А.

Жиркова, С. В. Мищенко, А. С. Егоров, Г. В. Шишкина // Контроль. Диагностика. — 2023. — Т. 26, № 6. — С. 34-40.

119. Наследов А. Д. IBM SPSS Statistics 20 и AMOS: профессиональный статистический анализ данных [Текст] / Наследов А. Д. — Санкт-Петербург: Питер, 2013 — 416 c.