• 0سبد خرید فروشگاه
تعلیم
  • صفحه اصلی
  • محصولات
    • همه تعلیم ها
      • اقتصاد-Economy
        • علوم بورس-Science stock
        • علوم بانکداری-Banking science
        • علوم تجارت-Business Sciences
      • علوم برق-Electrical Sciences
        • مقالات برق-Electrical Articles
        • علوم الکترونیک-Electronic science
      • علوم زیست شناسی-Biological Sciences
        • زمین شناسی-Geology
          • مقالات جغرافیا-Geography Papers
      • علوم اجتماعی-social Sciences
      • علوم ایمنی و بهداشت-Health and safety
        • مقالات ایمنی و بهداشت – Health and safety
      • علوم پزشکی-Medical Sciences
        • علوم روانشناسی-Psychological Science
          • روانشناسی موفقیت-Psychology of success
        • مقالات پزشکی-medical articles
        • مقالات آنتی بیوتیک-Articles antibiotics
        • مقالات دندانپزشکی-Dental articles
      • علوم ریاضیات و فیزیک-Science, mathematics and physics
        • مقالات ریاضی – Mathematical articles
        • مقالات فیزیک-Physics articles
      • علوم زبان انگلیسی-Science in English
      • علوم سیاسی-political science
      • علوم شیمی-Chemical Sciences
        • مقالات شیمی-Chemistry Articles
        • مقالات پتروشیمی-Petrochemical articles
      • علوم صنایع غذایی-Food Industry Science
        • علوم تغذیه-nutrition science
      • علوم صنایع-Industrial science
        • مهندسی مواد-Materials Engineering
          • مقالات متالورژی- Metallurgy Articles
      • علوم عمران-Civil Sciences
        • مقالات عمران-Civil Articles
      • علوم کامپیوتر-computer science
        • مقالات فناوری اطلاعات-Articles of Information Technology
        • مقالات کامپیوتر-Computer Articles
          • دیتابیس-database
          • داده کاوی-Data Mining
          • داده های عظیم-Big data
          • رایانش ابری-cloud computing
          • هادوپ-Hadoop
          • سیستم فازی-Fuzzy System
      • علوم کشاورزی-Agricultural Sciences
        • مقالات کشاورزی-Agricultural Articles
        • مقالات شیلات-Fisheries Articles
        • مقالات محیط زیست-Environmental articles
      • علوم مالی و اداری-Financial and Administrative Science
        • مقالات حسابداری-Accountant Articles
      • علوم مدیریت-Management Sciences
        • مدیریت کسب و کار-business management
        • مقالات مدیریت-Management Articles
        • مقالات کارآفرینی-Entrepreneurship articles
      • علوم تربیت بدنی-Physical Education Sciences
      • علوم ورزشی-Sports Sciences
      • علوم معماری-Architectural Science
      • علوم هنر-Art Science
      • علوم مکانیک-Mechanical Sciences
        • مقالات مکانیک-Mechanical Articles
      • مذهبی-Religious
      • ادبیات-Literature
        • مقالات زبان فارسی-Articles in Persian language
  • مجله اینترنتی
  • حساب کاربری من
  • آموزش دانلود
  • قوانین سایت
  • درباره ما
  • جستجو
  • منو منو
bannertaliem-taliem-ir

تشخیص پرتقال روي درخت با کاربرد پردازش تصاویر دیجیتال براساس الگوي تراکم سایه روشن

۰ تومان

طی چندین سال اخیر تمایل تازه اي به سمت برداشت رباتیک پرتقال و برخی مرکبات ایجاد شده است. اولین گام در برداشت رباتیک شناسایی دقیـق و تعیین موقعیت میوه میباشد. شناسایی از طریق پردازش تصویر توسط دوربین هاي رنگی و کامپیوتر رایجترین روش در حال حاضـر مـیباشـد. بـدیهی است ربات برداشت با شرایط طبیعی مواجه است و شناسایی باید در شرایط مختلف نور و محیط انجام شود. در این تحقیـق سـعی شـده اسـت الگـوریتم مناسبی به منظور تشخیص پرتقال روي سایبان درخت ارائه شود. به منظور ارزیابی الگوریتم ارائه شده تعـداد 500تصـویر کـه در شـرایط کـاملاً متفـاوت سایبان، زاویه نور خورشید و فاصله تا درخت، گرفته شده بودند، مورد بررسی قرار گرفت. این الگوریتم شامل مراحل: بهینه سازي، قطعه بندي، فیلتر  اندازه، تفکیک میوه ها بر مبناي الگوي تراکم سایه و روشنایی و تعیین مختصات میباشد. در این تحقیق براي قطعه بندي از شبکه عصبی MLP (بـا سـه لایـه مخفی) استفاده شد که موفقیت به کارگیري آن با توجه به نرخ کشف صحیح پرتقال ها با دقت %88/2مورد تأیید قرار گرفت. بـا توجـه بـه درصـد بـالاي پرتقال هاي خوشه اي نسبت به کل پرتقال ها در تصاویر، هر الگوریتمی که بخواهد در زمینه شناسایی پرتقال بر روي درخت موفق عمل کند باید راه حلی براي تفکیک پرتقال ها از هم ارائه دهد که در پژوهش حاضر روشی جدید بر مبناي الگوي تراکم سایه روشن، به کار گرفته شد و کارایی آن مورد ارزیـابی قرار گرفت. در نهایت دقت تفکیک 89/5درصد و دقت شناسایی 88/2درصد به دست آمد.

دسته: علوم کشاورزی-Agricultural Sciences, مقالات کشاورزی-Agricultural Articles, مقالات-Article برچسب: برداشت پرتقال, پردازش تصویر, تفکیک, ربات برداشت, ماشین بینایی, ماکزیمم نسبی
  • توضیحات
  • نظرات (0)

توضیحات

چکیده

طی چندین سال اخیر تمایل تازه اي به سمت برداشت رباتیک پرتقال و برخی مرکبات ایجاد شده است. اولین گام در برداشت رباتیک شناسایی دقیـق و تعیین موقعیت میوه میباشد. شناسایی از طریق پردازش تصویر توسط دوربین هاي رنگی و کامپیوتر رایجترین روش در حال حاضـر مـیباشـد. بـدیهی است ربات برداشت با شرایط طبیعی مواجه است و شناسایی باید در شرایط مختلف نور و محیط انجام شود. در این تحقیـق سـعی شـده اسـت الگـوریتم مناسبی به منظور تشخیص پرتقال روي سایبان درخت ارائه شود. به منظور ارزیابی الگوریتم ارائه شده تعـداد 500تصـویر کـه در شـرایط کـاملاً متفـاوت سایبان، زاویه نور خورشید و فاصله تا درخت، گرفته شده بودند، مورد بررسی قرار گرفت. این الگوریتم شامل مراحل: بهینه سازي، قطعه بندي، فیلتر  اندازه، تفکیک میوه ها بر مبناي الگوي تراکم سایه و روشنایی و تعیین مختصات میباشد. در این تحقیق براي قطعه بندي از شبکه عصبی MLP (بـا سـه لایـه مخفی) استفاده شد که موفقیت به کارگیري آن با توجه به نرخ کشف صحیح پرتقال ها با دقت %88/2مورد تأیید قرار گرفت. بـا توجـه بـه درصـد بـالاي پرتقال هاي خوشه اي نسبت به کل پرتقال ها در تصاویر، هر الگوریتمی که بخواهد در زمینه شناسایی پرتقال بر روي درخت موفق عمل کند باید راه حلی براي تفکیک پرتقال ها از هم ارائه دهد که در پژوهش حاضر روشی جدید بر مبناي الگوي تراکم سایه روشن، به کار گرفته شد و کارایی آن مورد ارزیـابی قرار گرفت. در نهایت دقت تفکیک 89/5درصد و دقت شناسایی 88/2درصد به دست آمد.

مقدمه

به دو دلیل عمده اقتصادي و پیشرفت فنآوري، از چنـدین سـال گذشته تمایل تازه اي به سمت برداشت رباتیک پرتقال و برخی مرکبات ایجاد شده اسـت   (Hannan et al., 2007). اولـین گـام در برداشـت رباتیک پرتقال، شناسایی و تعیین موقعیت آن روي درخـت مـیباشـد. سه عامل شناسایی نادرست، عدم شناسایی و بالا بودن زمان شناسایی یک پرتقال، منجر به کاهش عملکرد، بالا رفـتن زمـان برداشـت و در نهایت افزایش هزینه هاي تولید خواهد شد.  عمده دلیـل عـدم توجیـه اقتصادي ربات هاي برداشت که تاکنون معرفـی شـده انـد، ناکارامـدي آنها در مرحله شناسایی است.

 

ABSTRACT

Over the past several years, there has been a new trend towards orange and some citrus robotics. The first step in robotic harvesting is to accurately identify and determine the position of the fruit. Identification through image processing by color cameras and computers is the most commonly used method at present. Obviously, the harvesting robot faces natural conditions and identification should be done in different conditions of light and environment. In this research, we have tried to provide an appropriate algorithm for identifying oranges on tree canopy. In order to evaluate the algorithm, 500 images were taken into account under completely different conditions of the shade, sunlight and distance to the tree. The algorithm consists of the following steps: optimization, segmentation, size filtering, splitting the fruits based on the shadow density and brightness pattern and determining the coordinates. In this research, a segmentation of the MLP neural network (with three layers of secret) was used, and its success was confirmed with an accuracy of 2.88% accuracy with regard to the orbital discovery rate. Considering the high percentage of cluster oranges relative to the total oranges in the images, any algorithm that would be successful in identifying oranges on a tree should provide a solution to the separation of oranges, which in the present study is a new method based on The light shade density pattern was used and its effectiveness was evaluated. Finally, the precision was 5.89% and the accuracy of detection was 2.88%.

INTRODUCTION

For two main reasons, economic and technological advancement, there has been a new trend towards orbital robotic and some citrus roots over the past several years (Hannan et al., 2007). The first step in orange robotics is to identify and determine its position on the tree. The three inaccurate factors, the lack of identification and the high identification time of an orange, will result in reduced yield, increased harvest time, and ultimately increased production costs. The main reasons for the lack of economic justification for harvest robots that have been introduced so far are their inefficiency at the identification stage.

Year: 2015

Publisher :   Journal of Agricultural Machinery

By : Hamid Reza Ahmadi-Ja’far Amiri Parian

File Information: Persian Language/ 9 Page / size: 831 KB

Only site members can download free of charge after registering and adding to the cart

Download tutorial

سال : 1394

ناشر : نشریه ماشین هاي کشاورزي

کاری از : حمیدرضا احمدي -جعفر امیري پریان

اطلاعات فایل : زبان فارسی / 9 صفحه / حجم : KB 831

فقط اعضای سایت پس از ثبت نام و اضافه کردن به سبد خرید می توانند دانلود رایگان کنند.خوشحال می شویم به ما پبیوندید

آموزش دانلود

 

 

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “تشخیص پرتقال روي درخت با کاربرد پردازش تصاویر دیجیتال براساس الگوي تراکم سایه روشن” لغو پاسخ

برای فرستادن دیدگاه، باید وارد شده باشید.

محصولات مرتبط

  • bannertaliem-taliem-ir

    بازشناسی الگوي اسپکتروسکوپی فروسرخ نزدیک براي تفکیک غیرمخرب پرتقال ها براساس شاخص مزه

    ۰ تومان
    افزودن به سبد خرید نمایش جزئیات
  • bannertaliem-taliem-ir

    بررسی تأثیر ارتفاع سقوط و سطح برخورد بر کوفتگی سیب هاي صادراتی

    ۰ تومان
    افزودن به سبد خرید نمایش جزئیات
  • bannertaliem-taliem-ir

    طراحی الگوریتم بینایی رایانه اي براي تشخیص فلفل دلمه جهت برداشت روباتیک در شرایط نور طبیعی

    ۰ تومان
    افزودن به سبد خرید نمایش جزئیات
  • bannertaliem-taliem-ir

    بررسی حسگرهاي فراصوتی جهت تخمین هوشمند حجم درختان

    ۰ تومان
    افزودن به سبد خرید نمایش جزئیات

درباره فروشگاه

  • ایران
  • تعلیم مرکزی از دانش و علم و فناوریست ،جایی است که کلی مقاله و پروپزال رایگان در اختیار شما کاربران عزیز قرار می گیرد
  • info[at]taliem.ir

دوست عزیز شما می توانید فایل های رایگانی از جمله : نرم افزار ، کتاب ، جزوه ، مقاله و پروپوزال و غیره را از سایت تعلیم دانلود کنید و لازم به ذکر است که 80 در صد محصولات سایت تعلیم به صورت کاملا رایگان ارائه می شود.

در صورتی که فایل یا مقاله ای در سایت نشر داده شده است که دارای حق نشر می باشد خواهشمند است نویسنده یا ناشر با ایمیل زیر ما را در جریان قرار دهد تا از سایت حذف گردد

                taliemsite[@]gmail.com

شما را از پربازدید ترین مقالات مطلع می کنیم

دوست خوبم در صورت هر سوال یا مشکل از طریق تلفن یا پست الکترونیکی زیر می توانیم بهترین خدمات را به شما ارائه دهیم و مطمئن باشید تمام سعی خود را جهت ارائه بهترین خدمت به شما تقدیم خواهیم کرد.

تلفن:07734236086[دور کار-با ایمیل باشما هستیم]

پست الکترونیک : info[@]taliem.ir

اینستاگرام : taliemsit

تعلیم دانشگاهی برای تمام علوم
  • Facebook
  • Twitter
  • LinkedIn
  • Instagram
  • Pinterest
  • Reddit
An Efficient Numerical Approximation of the American Option Pricing ProblemAn Efficient Numerical Approximation of the American Option[taliem.ir]bannertaliem-taliem-irبازشناسی الگوي اسپکتروسکوپی فروسرخ نزدیک براي تفکیک غیرمخرب پرتقال ها براساس...
رفتن به بالا