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

Red grape cluster detection using image processing and neural networks to be used in robot grape harvest

در اين تحقيق يك سامانه طبقه بندي خودكار بر مبناي ماشين بينايي و شبكه هاي عصبي مصنوعي بر اساس رنگ و مؤلفه هاي 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 جداسازي كلاس هاي تصوير استفاده شد. ورودي شبكه، مولفه هاي اصلي رنگ ( G.R و B ) پيكسل هاي تصاوير بوده و در خروجي شبكه عدد يك ( 1) به عنوان خوشه انگور قرمز و عدد صفر ( 0) به عنوان غير انگور (برگ، آسمان، شاخه و تنه) در نظر گرفته شد كه در نهايت بعد از آزمون و خطاي الگوريتم يادگيري و تعداد نرون هاي شبكه عصبي مشخص شد كه با بكارگيري 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 كلاس هاي تصوير مي باشد. نتايج حاصل از آناليز تصوير حاكي از وجود دقت بالايي در بخش بندي كلاس هاي تصوير بود.

In this paper an automatic classification system based on machine vision and artificial neural networks based on color and its components, was developed. About 300 digital images of grape orchards of Orumieh city in different light conditions in the early hours of the afternoon were cloudy and sunny. Multi-layer Perceptron neural network with error back propagation learning algorithm as a tool for the detection and isolation of artificial intelligence class image was used. Network input, the average components of color (R, G and B) pixel images and the output of the network, the number one (1) as a cluster of red grapes and zero (0) as a non-Grape (leaves, sky, branches and trunks) were considered, After trial and error in the neural network learning algorithm and the number of neurons were found 13 neurons in the hidden layer by using a learning algorithm of hidden layer and sigmoid transfer function Trainlm, Neural network with 98% able to identify and isolate the class picture. The results of image analysis indicated high accuracy in segmenting the regions of the image