تشخیص خوشه انگور قرمز ایستاده با استفاده از پردازش تصویر و شبکه عصبی به منظور کاربرد در ربات برداشت انگور
محورهای موضوعی : مجله مهندسی زیست سامانه
کلید واژه: هوش مصنوعی, پردازش تصویر, ماشین بینایی, نگور قرمز,
چکیده مقاله :
تشخیص خوشه انگور قرمز ایستاده با استفاده از پردازش تصویر و شبکه عصبی به منظور کاربرد در ربات برداشت انگور اکبر نظری1 چکیده: در این تحقیق یک سامانه طبقه بندی خودکار بر مبنای ماشین بینایی و شبکه های عصبی مصنوعی بر اساس رنگ و مولفه های آن، توسعه داده شد. حدود 300 تصویر رقمی از باغات انگور شهرستان ارومیه در شرایط مختلف نوری از ساعات اولیه صبح تا عصر در هوای ابری و آفتابی گرفته شدند. از شبکه عصبی پرسپترون چند لایه با الگوریتم یادگیری پس انتشار خطا به عنوان یکی از ابزارهای هوش مصنوعی برای تشخیص و جدا سازی کلاس های تصویر استفاده شد. ورودی شبکه، میانگین مولفه های اصلی رنگ (R،GوB) پیکسل های تصاویر بوده و در خروجی شبکه عدد یک (1) به عنوان خوشه انگور قرمز و یا عدد صفر (0) به عنوان غیر انگور قرمز (برگ، آسمان، شاخه و تنه) در نظر گرفته شد که در نهایت بعد از آزمون و خطای الگوریتم یادگیری و تعداد نرون های شبکه عصبی مشخص شد که تعداد 13 نرون در لایه مخفی و یک لایه مخفی و الگوریتم یادگیری از نوع Trainlm و تابع انتقال سیگموئیدی، شبکه عصبی با 98 درصد قادر به تشخیص و جداسازی کلاس های تصویر می باشد. نتایج حاصل از آنالیز تصویر حاکی از وجود دقت بالایی در بخش بندی کلاس های تصویر بود. واژه‌های کلیدی: انگور قرمز، پردازش تصویر، ماشین بینایی، هوش مصنوعی 1- کارشناسی ارشد، گروه مکانیک ماشین های کشاورزی، دانشکده کشاورزی، واحد تاکستان، دانشگاه آزاد اسلامی، قزوین، ایران: (نویسنده مسئول) akyred@gmail.com
Detection of Red Grape Clusters Stands using Image Processing and Neural Network in Order to Harvest the Grapes in the Application Robot Akbar Nazari In this study an automatic classification system based on machine vision and artificial neural networks based on color and its components were developed. about 300 grape gardens of the city of Urmia digit image in various conditions from early morning until evening in cloudy weather and sunny, of the prspetron neural network learning algorithm with multiple layers of error propagation as one of the tools of artificial intelligence for the detection and isolation of the image class. the main component of the input network, the average color (R,G,B) pixel images, and at the output of the network is the number one (1) red grape clusters or as the number zero (0) as the non-red grape (leaves, branches and trunk, the sky) was considered finally, after trial and error learning algorithm of neural network and the number of neurons, It became clear that the number of neurons in the hidden layer and 13 a hidden layer and the learning algorithm of the type Trainlm and sigmoid transfer function, neural network with 98% capable to detect and isolate the image class. The results of image analysis suggests the existence of a high accuracy in the classification section of the image. Key words: Grape, Red, Image Processing, Machine Vision, Artificial Intelligence
_||_