The ability to place, mark and evaluate a product in production lines is critical for the laser marking of horticultural plants. This study was divided into two objectives. Firstly, the investigation aimed to find the optimal position for marking horticultural products. The study developed and examined algorithms for determining the optimal marking position of poinsettia leaves and banana hands. Two methods of segmentation were performed: distance transform-watershed segmentation and main leaf skeleton segmentation. Secondly, laser marking parameters were evaluated in order to optimize the marking process without destroying the horticultural products (i.e. poinsettia leaves and bananas) and to ensure readable text, patterns or codes. Methods of image processing were employed to develop a laser positioning system and to read and assess the quality of the pattern or codes. According to the results, distance transform-watershed segmentation is effective in segmenting occluded plant leaves which show significant differences in depth. Using this method with Kinect V1 leads to a low identification rate. However, the precision of depth measurement can be enhanced by implementing Kinect V2, which yields a 92.5% classification rate, whereas the main leaf skeleton method yields a lower classification rate (80%). Moreover, the proposed algorithms are successful in placing a 2D code on banana hands effectively. Positioning of 2D codes on the ventral banana side is a suggested application. It is possible to use laser marking on poinsettia leaves and bananas without damaging the product. Laser marking of 0.5 W [0.55 J per character] proved to be the lowest energy that can produce a high contrast, and also produces no apparent heat affected zone that is visually detectable on the poinsettia leaves. In terms of laser marking on bananas, readability results are achieved by applying low power and a longer marking time, whereby an 80-100% readability of data matrix codes after storage was obtained.
Für die Laserbeschriftung von Zier- und Nutzpflanzen während der Produktion ist es sehr wichtig, die Markierung genau zu platzieren, so dass die Beschriftung gut lesbar ist. Diese Studie diente zwei Zwecken: Erstens sollte die optimale Positionierung des Aufdruckes an Zier- und Nutzpflanzen ermittelt werden. Hierzu entwickelten und testeten wir Algorithmen fuer Weihnachsternblätter (Poinsettia) und Bananen. Zur Segmentierung verwendeten wir zwei Methoden: "distance transform watershed segmention" und "main leaf skeleton segmentation". Zweitens wurden die Markierungsparameter evaluiert, um den optimalen Markierungsprozess zu bestimmen, der einerseits die Produkte nicht zerstört, aber gleichzeitig sicherstellt, dass Text, Muster oder Kodierungen gelesen werden können. Methoden zur Bildaufbereitung wurden verwendet, um ein Laserpositionssystem zu entwickeln und die Qualität der Muster und Kodierungen zu bestimmen. Nach den Ergebnissen zeigte sich, dass die "distance transform-watershed segementation" effektiv für überlappend Blätter ist, deren Dicke significant variert. Die Verwendung von Kinect V1 führt zu einer geringen Identifizierung. bei Verwendung von Kinect V2 kann die Genauigkeit der Dickenmessung verbessert werden, was zu einer Klassifizierungsrate von 92.5% führte. Dagegen zeigte die Verwendung der "leaf skeleton segmentation" mit 80% eine niedrigere Klassifizierungsrate. Ausserdem liessen sich die vorgeschlagenen Algorithmen erfolgreich bei der Platzierung von 2D Kodierungen auf Bananen anwenden. Die Positionierung von 2D Kodierungen auf der ventralen Bananenseite wird empfohlen. Es ist möglich, Lasermarkierungen auf Weihnachtssternblättern und Bananen zu verwenden, ohne das Produkt zu beschädigen. Lasermarkierungen mit 0.5 W (0.55 J/Character) wurde als niedrigste Energierate für Weihnachtssternblätter bestimmt, mit der ein hoher Kontrast ohne sichtbare Hitzeschaedigung erkennbar waren. Bei Bananen lieferte die Lasermarkierung gute Lesbarkeit bei Anwendung von geringerer Energie aber längerer Expositionszeit. Nach Lagerung dieser Proben, wurde eine 80 - 100%ige Lesbarkeit von Kodierungen festgestellt.