1.ارائه یک الگوریتم پردازش تصویر هوشمند جدید برای تشخیص و شناسایی علائم راهنمایی و
رانندگی مبتنی بر منطق فازی
چکیده: در این مقاله یک الگوریتم هوشمند جدید برای تشخیص و شناسایی علائم راهنمایی و رانندگی، براساس پردازش تصویر و منطق فازی، ارائه میشود. این الگوریتم شامل سه مرحله پیش پردازش، تشخیص و شناسایی میباشد. در مرحله پیش پردازش با اعمال الگوریتمهای پردازش تصویر، تغییرات به منظور بهبود کیفیت تصویر دریافتی و حذف داده های نامرتبط با هدف مورد نظر انجام میگیرد. در مرحله شناسایی یک الگوریتم بینایی ماشین هوشمند برای استخراج مفاهیم علائم استفاده شده است. به منظور کاهش زمان عملیات و افزایش دقت الگوریتم شناسایی، در مرحله تشخیص، کاندیداهای علائم راهنمایی و رانندگی با دقت بیشتری انتخاب و در اختیار مرحله شناسایی قرار میگیرند. در تمام مراحل پردازش تصویر و بینایی ماشین، از منطق و ریاضیات فازی استفاده شده است. استفاده از منطق و ریاضیات فازی قابلیت استنتاج و هوشمندی همانند انسان را برای تصمیم گیری در شرایط واقعی، در اختیار سیستم هوشمند قرار میدهد. مراحل کامل این الگوریتم در نرم افزارمتلب پیاده سازی شده است. همچنین آزمایشهای عملی در شرایط واقعی برای بررسی عملکرد این الگوریتم طراحی و انجام شده است. نتایج حاصل از آزمایش، عملکرد مناسب این الگوریتم تا 68/92 درصد صحت، در تشخیص و شناسایی علائم در شرایط واقعی را نشان می دهد. الگوریتم ارائه شده، در مقایسه با الگوریتمهای دیگر با شرایط آزمایشی مشابه، از صحت عملکرد مناسبی برخوردار است. از این الگوریتم میتوان برای طراحی سیستمهای کمک راننده و سیستمهای کنترلی با هدف هوشمندسازی خودرو استفاده نمود.
کلمات کليدي: تشخیص و شناسایی علائم راهنمایی و رانندگی، پردازش تصویر، منطق فازی، ویژگی های تغییرناپذیر
فایل PDF – در 12 صفحه- نویسندگان : احسان فنی، علیرضا خدایاری
پسورد فایل : behsanandish.com
2. استفاده از پردازش تصویر برای شناخت رفتار خرد ترافیک
چکیده : برای شناخت رفتار حرکتی وسایل نقلیه در قسمت اصلی آزادراه از دیدگاه خرد لازم است، موقعیت ایـن وسـایل در آزاد راه در هر بازه زمانی مشخص باشد . در این پژوهش سیستمی ابداع شده است که با اسـتفاده از الگـوریتم هـای سـاده پـردازش تصاویر موقعیت هر یک از وسایل نقلیه در آزاد راه را تعیین می کند . سادگی الگوریتم های بکار رفته، زمان اجرای نـرم افـزار پردازش تصویر تهیه شده را کاهش می دهد و دقت تشخیص موقعیت وسایل نقلیه نیز در حد ابعاد یک وسیله نقلیه است که برای اکثر تحقیقات خرد ترافیک کافی است. ورودی سیستم تهیه شده یک فیلم ویدیویی از حرکت وسایل نقلیه و خروجـی آن جدول موقعیت هر یک از وسایل نقلیه مشاهده شده در فیلم مورد نظر است. به عنوان یکی از کاربردهای این سیستم، نحـوه تشخیص وسیله نقلیه ای که فاصله مطمئنه را رعایت نکرده معرفی شده است.
واژه های کلیدی: پردازش تصویر،جابجایی وسایل نقلیه، رفتار حرکتی وسایل نقلیه، خصوصیات کلان ترافیک، خصوصیات خرد ترافیک، ردیابی وسایل نقلیه
فایل PDF – در 11 صفحه- نویسندگان : سید محمد سادات حسینی، رسول جوادیان و منوچهر وزیری
استفاده از پردازش تصویر برای شناخت رفتار خرد ترافیک
پسورد فایل : behsanandish.com
3. امکان سنجي درجه بندي کيفي سيب با استفاده از پردازش تصوير
چکيده: سيستمهای ماشين بينايي و پردازش تصوير روشهاي نويني هستند که در بخش کشاورزي کاربردهاي مختلفـي دارنـد. از سيستم ماشين بينايي براي درجه بندي محصولات مختلف استفاده ميشود. هدف اين تحقيق بررسي امکان اسـتفاده از پردازش تصوير براي درجه بندي سيب بر اساس صدمات سطحي بود. بدين منظور يک سيستم کامل ماشين بينايي شامل محفظه نوردهي، دوربين و کامپيوتر فراهم شد. نرم افزار Matlab براي پردازش تصاوير به کار گرفتـه شـد. تعـداد ۱۰۵ عددسيب گراني اسميت به طور تصادفي انتخاب شدند و از هر سيب در شرايط نوردهي، تصويرگرفته شد. سپس به کمک روش سعي و خطا مقدار آستانه به عنوان معياري براي تصميم گيري معيوب يا سالم بودن سيب به دسـت آمـد. از جملـه مشکلات در ارتباط با درجه بندي سيب وجود دمگل بود که در تصوير باينري با نـواحي معيـوب اشـتباه گرفتـه مـيشـد بنابراين نسبت طول به ضخامت براي حذف دمگل انتخاب شد. سپس سيب ها به چهار درجه عالي، درجه يک، درجـه دو و درجه سه درجه بندي شدند. به منظور ارزيابي سيستم، نتايج درجهبندي ديد انساني با نتايج درجهبندي ماشين بينـايي بـا هم مقايسه شدند. دقت حذف دمگل ۰۴/۹۹ % و دقت کلي درجه بندي ۲۳/۹۵ % به دست آمد.
واژه هاي کليدي: پردازش تصوير، درجه بندي سيب، ماشين بينايي
فایل PDF – در 11 صفحه- نویسندگان : راضيه پوردرباني، حميدرضا قاسم زاده، علي آقا گل زاده و حسين بهفر
امکان سنجي درجه بندي کيفي سيب با استفاده از پردازش تصوير
پسورد فایل : behsanandish.com
4. اندازه گیری وکنترل کیفی پارامترهای هندسی چرخدنده مارپیچ از طریق پردازش تصویر
چکیده: اندازه گیری قطعات صنعتی همانند چرخدنده ها میتواند به روشهای تماسی و غیرتماسی انجام بگیرد. در این تحقیق برای بازرسی ابعادی چرخدنده مارپیچ به روش غیرتماسی، از سامانه بینایی ماشین جهت یافتن خطاهای مهم ساخت چرخدنده مانند خطای گـام راست و چپ و خطای پروفیل دندانه استفاده شده است. به این منظور، نرم افزاری در محیط کتابخانه لبویو نوشـته شـد. ایـن نـرم افزار پس از دریافت تصویر و انجام پیش پردازش هایی مانند بهبود لبه، آستانه گیـری، حـذف نـویز و کالیبراسـیون تصـویر، بـا انجـام عملیات پردازشی نظیر لبه یابی و اندازه گیری، ابتدا محل چرخدنده را در تصویر شناسایی و سپس پارامترهای هندسی آنرا مشـخص می کند. از جمله مزایای این سامانه نسبت به ابزارهای مرسوم،کم هزینه بودن، سرعت و دقت بالا و انـدازه گیـری بهنگـام در خطـوط تولید است. سامانه حاضر، توانایی اندازه گیری خودکار پارامترهای چرخدنده را بدون نیاز به واردکردن اطلاعات طراحی دارا مـیباشد. در این مقاله چرخدنده ساده ای هم به روش بینایی ماشین و هم با یک دستگاه دقیق و متـداول انـدازه گیـری چرخدنـده انـدازهگیری شده که مقایسه نتایج آنها تفاوت کم ده میکرونی را نشان میدهد.
كلید واژه ها: چرخدنده، بینایی ماشین، آستانه گیری، کالیبراسیون تصویر، لبه یابی
فایل PDF – در 9 صفحه- نویسندگان : مهران محبوبخواه و توحید کریم بابازاده ممقانی
اندازه گیری وکنترل کیفی پارامترهای هندسی چرخدنده مارپیچ از طریق پردازش تصویر
پسورد فایل : behsanandish.com
5. برآورد حجم سیب زمینی با استفاده از پردازش تصویر
چکیده: محاسبه حجم محصولات کشاورزی به روش ریاضی، به دلیل شکل هندسی نامنظم آنها چندان دقیق نیست. یکی از راه حل های ممکن، پردازش تصویر در ماشین های جداساز پیوسته بر اساس بینایی ماشین است. هدف از این تحقیق، یافتن روشی مناسب برای برآورد حجم سیب زمینی با استفاده از پردازش تصویر است. به کمک یک دوربین دیجیتال و یک آینه تخت، از هر نمونه تنها یک تصویر از دو نمای آن تهیه شد. با کار برد نرم افزار MATLAB، تصاویر پردازش و ابعاد سیب زمینی بر حسب موقعیت لبه در ماتریس تصویر اندازه گیری شد. در این پژوهش حجم سیب زمینی پس از تصویر برداری، با دو روش برآورد شد: روش اول، تعیین رابطه ی تجربی مبتنی بر برآورد حجم بر اساس سه قطر اصلی و روش دوم، تقسیم تصویر به قطعات کوچک تر به شکل مخروط ناقص با مقطع بیضی و برآورد حجم از مجموع حجم قطعات. اندازه سه قطر اصلی و طول قطعات مخروط ناقص، با پردازش تصویر تعیین شدند. با اندازه گیری حجم واقعی سیب زمینی از طریق جابهجایی آب میزان خطای هر دو روش محاسبه و مقایسه شد. د این تحقیق، 50 عدد سیب زمینی(رقم مارفونا) به عنوان نمونه های مورد آزمایش انتخاب شدند. نتایج نشان داد که روش تقسیم تصویر بر 64 قسمت، حجم را با دقت بالاتری (خطای حدود 8/15 درصد) نسبت به روش رابطه ی تجربی (خطای 20/5 درصد) برآورد می کند. بنابراین، برای درجه بندی سیب زمینی بر اساس حجم، روش تقسیم تصویر به عنوان روش کاربردی پیشنهاد می شود.
واژه های کلیدی: بینایی ماشین، درجه بندی، قطر اصلی، مخروط ناقص
فایل PDF – در 14 صفحه- نویسندگان : جعفر امیری پریان، محمد هادی خوش تقاضا، احسان الله کبیر و سعید مینایی
برآورد حجم سیب زمینی با استفاده از پردازش تصویر
پسورد فایل : behsanandish.com
6. برآورد میزان شمارش کلى میکروبى میگوى پرورشى (گونه وانامى) به کمک پردازش تصویر
چکیده: افزایش میزان تولید و مصرف میگو، اهمیت تازگى و کیفیت این محصول غذایى را براى صنعت میگو دو چندان کرده است. امروزه تعیین شاخص هاى کیفى یکى از موضوع هاى جدید و مورد علاقه بسیارى از مهندسان صنایع غذایى و بیوسیستم است، زیرا دانستن میزان کیفیت مواد غذایى مى تواند اطلاعات بیش ترى درباره شرایط نگه دارى و نظارت آن، ارائه نماید. اهمیت مقوله پردازش تصاویر در کنترل کیفیت بدین جهت است که تعیین کیفیت مواد غذایى با هزینه کم تر و راحت تر مى باشد و بدین ترتیب مواد غذایى از آسیب هاى مکانیکى ناشى از آزمون هاى شیمیایى مصون مى ماند. در این میان، یکى از شاخص هاى تازگى مواد غذایى به خصوص در آبزیان، شمارش کلى میکروبى است. لذا در این مطالعه، سعى شده تا مدلى براى پیش بینى مقادیر شمارش کلى میکروبى با کمک پردازش تصویر و شبکه هاى عصبى مصنوعى براى میگوى وانامى در طى چهار مرحله نگه دارى (روز اول، سوم، ششم و نهم) با شرایط نگه دارى مرسوم (در یخ و با صفر تا 2 درجه سانتى گراد) برآورد شود. پس از انتخاب بهترین شرایط نورپردازى، تصویر بردارى به وسیله یک دوربین دیجیتال و در دو نماى بالا و کنار انجام گرفت. این تصاویر به رایانه انتقال داده شدند. سپس براى استخراج ویژگى هاى تصویر از جعبه ابزار پردازش تصویر نرم افزار متلب استفاده شد. مقدار*a و *b به دست آمده از تصاویر بالا، در طول نگه دارى در سطح احتمال (05/0<p (به صورت خطى افزایش داشته است. با مقایسه نتایج به دست آمده از آزمون دانکن، مى توان دریافت که بین تغییر رنگ میانگین R ،واریانس *b ،میانگینV ،میانگین Y ،میانگین y ،میانگین *b و میانگین l از تصاویر گرفته شده از بالا، در مدت نگه دارى با شمارش کلى میکروبى ارتباط قوى وجود دارد. بنابراین، مى توان
از پردازش تصویر با استفاده از پارامترهاى رنگ و بافت میگو به عنوان روشى غیرمخرب، کم هزینه و آسان براى ارزیابى سریع شمارش کلى میکروبى میگو در صنایع غذایى و کنترل کیفیت مواد غذایى استفاده کرد.
واژ ه هاى کلیدي: میگو، شمارش کلى میکروبى، کیفیت، پردازش تصویر، شبکه هاى عصبى مصنوعى.
فایل PDF – در 14 صفحه- نویسندگان : رضا گلى، مهدى قاسمى ورنامخواستى، مریم میرزایى، سید سعید محتسبى
برآورد میزان شمارش کلى میکروبى میگوى پرورشى (گونه وانامى) به کمک پردازش تصویر
پسورد فایل : behsanandish.com
مقالات کنترل کیفیت با پردازش تصویر قسمت 1
مقالات کنترل کیفیت با پردازش تصویر قسمت 2