. (1396). تشخیص خوشه انگور قرمز ایستاده با استفاده از پردازش تصویر و شبکه عصبی به منظور کاربرد در ربات برداشت انگور. مجله مهندسی زیست سامانه, 6(1), 21-26.
. "تشخیص خوشه انگور قرمز ایستاده با استفاده از پردازش تصویر و شبکه عصبی به منظور کاربرد در ربات برداشت انگور". مجله مهندسی زیست سامانه, 6, 1, 1396, 21-26.
. (1396). 'تشخیص خوشه انگور قرمز ایستاده با استفاده از پردازش تصویر و شبکه عصبی به منظور کاربرد در ربات برداشت انگور', مجله مهندسی زیست سامانه, 6(1), pp. 21-26.
. تشخیص خوشه انگور قرمز ایستاده با استفاده از پردازش تصویر و شبکه عصبی به منظور کاربرد در ربات برداشت انگور. مجله مهندسی زیست سامانه, 1396; 6(1): 21-26.
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
ابتدای صفحه