تشخيص خوشه انگور قرمز ايستاده با استفاده از پردازش تصوير و شبكه عصبي به منظور كاربرد در ربات برداشت انگور

در اين تحقيق يك سامانه طبقه بندي خودكار بر مبناي ماشين بينايي و شبكه­هاي عصبي مصنوعي بر اساس رنگ و مولفه­هاي آن، توسعه داده شد. حدود 300 تصوير رقمي از باغات انگور شهرستان اروميه در شرايط مختلف نوري از ساعات اوليه صبح تا عصر در هواي ابري و آفتابي گرفته شدند. از شبكه عصبي پرسپترون چند لايه با الگوريتم يادگيري پس انتشار خطا به عنوان يكي از ابزارهاي هوش مصنوعي براي تشخيص و جدا سازي كلاس­هاي تصوير استفاده شد. ورودي شبكه،‌ ميانگين مولفه­هاي اصلي رنگ (R،GوB) پيكسل­هاي تصاوير بوده و در خروجي شبكه عدد يك (1) به عنوان خوشه انگور قرمز و يا عدد صفر (0) به عنوان غير انگور قرمز (برگ، آسمان، شاخه و تنه) در نظر گرفته شد كه در نهايت بعد از آزمون و خطاي الگوريتم يادگيري و تعداد نرون­هاي شبكه عصبي مشخص شد كه تعداد 13 نرون در لايه مخفي و يك لايه مخفي و الگوريتم يادگيري از نوع Trainlm و تابع انتقال سيگموئيدي، شبكه عصبي با 98 درصد قادر به تشخيص و جداسازي كلاس­هاي تصوير مي باشد. نتايج حاصل از آناليز تصوير حاكي از وجود دقت بالايي در بخش بندي كلاس­هاي تصوير بود.

This Article has no English Abstract