Design of an on-line multispectral Coffee fruit classification and sorting system using narrowband LEDs and MCU

Abstract

The growing trend of specialty coffee brings the possibility of increased income for Colombian coffee producers, who have been recurrently hit by market conditions, climate change,supplies cost increase and aftermath of violence. A key requirement for specialty coffee, regardless of the post-production method to use, is the exclusive use of ripe coffee fruits, which could be red or yellow; all green fruits must be removed.

The design proposed in this thesis is the result of a financial and technical market research, and implements a low-cost discrete color sensor and commercially available LEDs system controlled by a high-performance Cortex-M4 core MCU, running algorithms derived from supervised learning techniques optimized for a MCU, achieving an electrical assembly of under US$100 when manufactured in high volumes. This work focuses on the increased discriminant capacity of the sensor, achieved by examining different narrowband light source configurations through intensive computing methods. While multiple classifiers are studied, the resulting model achieves an accuracy over 99% using an ensemble LDA, at a rate of more than 10 fruits per second or 72 Kg per hour in a portable form-factor, by using only 3 discrete LEDs and a light to frequency converter.

La tendencia creciente de cafés especiales abre la posibilidad de generación de ingresos adicionales para los productores de café Colombianos, quienes han sido golpeados recientemente por condiciones de mercado, cambio climático, incremento de costo de suministros y resultados de la violencia entre otras razones. Un requerimiento clave para cafés especiales, sin importar el método de post-producción utilizado, es el uso exclusivo de frutos de café completamente maduros, los cuales pueden ser rojos o amarillos; todos los frutos verdes deben ser removidos. El diseño propuesto en esta tesis es el resultado de una investigación de mercado tanto financiera como técnica, e implementa un sensor de color discreto de bajo costo, así como LEDs disponibles comercialmente controlados por un procesador de alto desempeño de arquitectura ARM Cortex-M4, ejecutando algoritmos de clasificación derivados de técnicas entrenamiento supervisado optimizados para micro controladores, obteniendo un ensamble electrónico de costo inferior a US$100 en volúmenes altos. El trabajo se enfoca en la capacidad discriminante aumentada del sensor, la cual se obtiene gracias al análisis de diferentes configuraciones de fuentes de luz de banda angosta a través de métodos de computación intensiva. Si bien múltiples clasificadores son utilizados, el model resultante obtiene una certeza superior al 99% utilizando un clasificador LDA tipo ensamble, a una tasa de clasificación mayor a 10 frutos por segundo o 72 Kg por hora en un factor de forma portátil, utilizando solo 3 tipos de LEDs discretos y un conversor de luz a frecuencia.