تشخیص خوشه انگور قرمز ایستاده با استفاده از پردازش تصویر و شبکه عصبی به منظور کاربرد در ربات برداشت انگور

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 شبکه­های عصبی مصنوعی بر اساس رنگ و مولفه­های 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 کلاس­های تصویر استفاده شد. ورودی شبکه،‌ میانگین مولفه­های اصلی رنگ (R،GوB) پیکسل­های 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 نرون­های 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 کلاس­های تصویر می باشد. نتایج حاصل از آنالیز تصویر حاکی از وجود دقت بالایی در بخش بندی کلاس­های تصویر بود.
واژه‌های کلیدی: انگور قرمز، پردازش تصویر، ماشین بینایی، هوش مصنوعی
 
1-      کارشناسی ارشد، گروه مکانیک ماشین­های کشاورزی، دانشکده کشاورزی، واحد تاکستان، دانشگاه آزاد اسلامی، قزوین، ایران: (نویسنده مسئول)
akyred@gmail.com