تشخیص چهره با رنگ پوست و نمونه های پایگاه داده ای و نحوه اجرای آن

          س 
            بازدید : 147
          جمعه 12 آذر 1395
           نظرات (0)
        

تشخیص چهره با رنگ پوست و نمونه های پایگاه داده ای و نحوه اجرای آن

هدف از این پایان نامه تشخیص چهره با رنگ پوست و نمونه های پایگاه داده ای و نحوه اجرای آن می باشد

پردازش تصویر
پردازش تصویر دیجیتال
الگوریتم تشخیص صورت
تشخیص چهره با رنگ پوست
تشخیص صورت با پردازش تصویر
تشخیص چهره با رنگ پوست و نمونه های پایگاه داده ای و نحوه اجرای آن
دانلود پروژه رشته کامپیوتر
دانلود پایان نامه کامپیوتر

دسته بندی	کامپیوتر و IT
فرمت فایل	doc
حجم فایل	3978 کیلو بایت
تعداد صفحات فایل	157

دانلود پایان نامه مهندسی نرم افزار

تشخیص چهره با رنگ پوست و نمونه های پایگاه داده ای و نحوه اجرای آن

مقدمه

بشر معمولا از صورت برای تشخیص و شناسائی افراد استفاده می كند و پیشرفت های حاصله در طول چند دهه گذشته او را قادر ساخته كه شناسائی را به صورت اتوماتیك انجام دهد. الگوریتم های اولیه شناسائی صورت مدل های هندسی ساده را به كار می بردند. اما در حال حاضر پروسه شناسائی به صورت یك علم آماری پیشرفته وروش های مچینگ در آمده است. پیشرفت ها و ابداعات اساسی و مهم در طول 10 الی 15 سال گذشته تكنولوژی شناسائی صورت را به نقاط اساسی رسانده است. شناسائی صورت هم برای تحقیق و تفحص وهم برای شناسائی هویت به كار می رود.

تشخیص صورت به روش اتوماتیك نسبتا علم و فرضیه ای جدید محسوب می شود. در دهه 1960سیستم های نیمه اتومات به یك كاربر نیاز داشت تا قبل از این كه فاصله ها و نسبت ها را با توجه به یك مبدا و مرجع معمول محاسبه كنند، ویژگی های اصلی صورت مثل گوش ها، چشم ها، بینی و دهان را مكان یابی كند تا با اطلاعات مرجع مقایسه شوند. در دهه 1970 Goldstem , Harmon , Lesk [66]، 21 ویژگی فردی معین مثل رنگ مو و ضخامت لب را برای اتوماتیك كردن شناسائی به كار بردند. مشكل هر دو روش این است كه اندازه گیری ها و مكان یابی ها باید به صورت دستی محاسبه شوند. در سال 1988 Kirby , و Sirovich از principle component analysis كه یك تكنیك جبر خطی استاندارد می باشد برای مسئله شناسائی صورت استفاده كردند. این روش به عنوان یك گام برجسته در نظر گرفته شد، زیرا كمتر از 100 مقدار مورد نیاز بودند تا یك تصویر صورت همسان ونرمالیزه، به طور دقیق كد گذاری گردد [67]. در سال 1991Turk , و Pentland به این مسئله پی بردند كه در ضمن به كار بردن تكنیك های eigenfaces ، خطاهای پس ماند (باقیمانده ) می تواند برای شناخت صورت در تصاویر به كار برده شوند [68]. با كشف این حقیقت سیستم های شناسائی صورت قابل اعتماد گردیدند.

اگر چه این روش تا حدی تحت تاثیر عوامل محیطی می باشد، با این وجود گام های مهمی در جهت پیشرفتت تكنیك های شناسائی صورت اتوماتیك به وجود آورده است . [68] پیاده سازی آزمایشی این تكنولوژی در ژانویه 2001 توجه عموم مردم را جلب كرد. این نمایش باعث شد تا به منظور رفع نیاز های ملی و اجتماعی در این زمینه، آنالیز های بیشتری روی الگوریتم های موجود انجام گیرد. امروزه تكنولوژی شناسائی صورت برای مبارزه با كلاه برداری و تقلب در زمینه پاسپورت، حمایت اجرای قانون، پیدا كردن كودكان گم شده، كاهش تقلب در زمینه شناسائی صورت و... به كار برده می شود.

کلمات کلیدی:

پردازش تصویر

پردازش تصویر دیجیتال

الگوریتم تشخیص صورت

تشخیص چهره با رنگ پوست

تشخیص صورت با پردازش تصویر

فهرست مطالب

فصل اول – مقدمه ای بر پردازش تصویر دیجیتال

۱-۱ مقدمه

۱-۲ مراحل اساسی پردازش تصویر

شکل ۱-۱ مراحل اساسی پردازش تصویر دیجیتال

۱-۳ یک مدل ساده تصویر

۴-۱ تشخیص صورت

۱-۵ تشخیص و تعبیر

فصل دوم – بررسی روش های معرفی شده توسط سایر محققین در زمینه تشخیص صورت

۲-۱ تشخیص صورت در تصاویر رنگی با استفاده از فیلتر پوست

۱-۱-۲ چکیده

۲-۱-۲ فیلتر پوست

شکل۲-۱ تصویر اصلی RGB

شکل۲-۲ نقشه بافت

شکل۲-۳ تصویر رنگمایه

شکل۲-۴ تصویر اشباع

شکل۲-۵ نقشه پوست

۲-۱-۳ تشخیص صورت در نواحی پوست

شکل۲-۶ ادغامنقشه پوست با تصویر خاکستری

شکل ۲-۷ تصویر مثبت برچسب گذاری شده

شکل۲-۸ تصویر منفی

شکل ۲-۹ نتیجه نهایی

۲-۲ الگوریتم تشخیص صورت بر مبنای مکان یابی ویژگی های صورت

مقدمه

۲-۲-۱ چکیده

۲-۲-۲ الگوریتم تشخیص صورت

شکل۲-۱۰ الگوریتم تشخیص صورت بر مبنای مکان یابی ویژگی های صورت

۲-۲-۳ جبران سازی نور و تشخیص رنگ و تن پوست

شکل۲-۱۱ (الف) تصویر با تن زرد؛ (ب) تصویر جبران سازی شده اثر نور؛

(ج) نواحی پوست تصویر الف؛ (د) واحی پوست تصویر ب

۲-۲-۴ مکان یابی ویژگی های مربوط به صورت

شکل ۲-۱۲ پیاده سازی مکان یابی چشم برای دو نمونه

شکل۲-۱۳ پیاده سازی مکان یابی دهان برای دو نمونه

شکل۲-۱۴ مرز صورت و مثلث دهان- چشم

۵-۲-۲ نتایج

۲-۳ یک متد آماری برای تشخیص اجسام سه بعدی

مقدمه

۲-۳-۱ چکیده

۲-۳-۲ تشخیص بر مبنای ظاهر

شکل۲-۱۵ نمونه های آموزشی جهت

شکل ۲-۱۶ نمونه های آموزشی جهت

۲-۳-۳ قانون تصمیم آماری

۲-۳-۳-۱ احتمال بر اساس نتایج آماری

۲-۳-۳-۲ تجزیۀ ظاهر به فضا،فراوانی و جهت

۲-۳-۳-۳ نمایش نمونه ها با زیر مجموعۀ ضریب موج

جدول ۱ نمایش موج یک تصویر

۲-۳-۳-۴ فرم نهایی تشخیص دهنده

۲-۳-۴ جمع آوری آمار

۲-۳-۵ کاربرد تشخص دهنده ها

۲-۳-۶ صحت تشخیص صورت با چرخش خارج از محدوده

شکل ۲-۱۷ نمونه هایی از نتایج

۲-۴ تشخیص صورت با استفاده از روش مسافت هاسدورف

مقدمه

۲-۴-۱ چکیده

۲-۴-۲ تشخیص جسم با روش هاسدورف

۲-۴-۲-۱ تعریف

۲-۴-۲-۲ تشخیص بر پایۀ مدل

۲-۴-۳ توضیح سیستم

شکل ۲-۱۸ ویرایش تصویر

۲-۴-۳-۱ دوره تشخیص

۲-۴-۳-۲ پالایش

شکل ۲-۱۹ گامهای قطعه بندی و موضعی کردن در تشخیص صورت بالا دوره تشخیص با مدل صورت؛ پایین پالایش اولیه با مدل چشم

۲-۴-۳-۳ انتخاب مدل

۲-۴-۴ صحت

شکل ۲-۲۰ خطای نسبی؛ (الف) نشان دادن رابطه بین موقعیت انتظاری (Clو Cr) و مکان تخمینی چشم ها () (ب) نمایش خطای نسبی

۲-۴-۵ نتایج

۲-۵ مدل ژنتیک بهینه سازی مکان یابی چهره به روش هاسدورف بر پایه مسافت

۲-۵-۱ مقدمه

۲-۵-۲ چکیده

۲-۵-۳ تشخیص صورت با روشهاسدورفبر پایه مسافت

شکل ۲-۲۱ پروسه پیدا کردن صورت

۲-۵-۴ مدل ژنتیک

-۵-۲۴-۱ کد های مدل

۲-۵-۴-۲ توابع تناسب

۲-۵-۴-۳ پارامتر های مورد نیاز

شکل ۲-۲۳ عملگر تقاطع برای مدل دو بعدی

۲-۵-۴-۴ مقداردهی اولیه

۲-۵-۵ نتایج آزمایشات

شکل ۲-۲۴ نمونه هایی برای مقداردهی تصادفی الگوریتم ژنتیک

شکل ۲-۲۵ نمونه هایی برای مقداردهی الگوریتم ژنتیک به روش لبه متوسط

شکل ۲-۲۶ نمونه هایی برای مقداردهی الگوریتم ژنتیک به روش دستی

نمودار یک تابع توزیع فاصله نسبی چشم برای مجموعه تصاویر (الف) XM2VTSو (ب) BIOID با به کارگیری بهترین مدل در هر سه روش

شکل ۲-۲۷ مدل حاصله

نمودار دو تابع توزیع مسافت به دست آمده برای مجموعه تصاویر XM2VTSو BIOID

۲-۵-۶ نتیجه گیری

فصل سوم: تشخیص صورت بر مبنای رنگ پوست

۳-۱ استفاده از رنگ به عنوان ابزار پردازش تصاویر رنگی

۳-۱-۱ مبانی رنگ

۳-۲ تشخیص پوست

۳-۳ مدل های رنگ

۳-۳-۱ مدل رنگ RGB

شکل ۳-۱ مکعب رنگی RGB ، نقاط در طول قطر اصلی، مقادیر خاکستری از سیاه در مبدأ تا سفید در نقطه (۱ , ۱ ,۱) دارند

۳-۳-۲ مدل رنگ CMY

۳-۳-۳ مدل رنگ YIQ

۳-۳-۴ مدل رنگ HSI

شکل ۳-۲ (الف) مثلث رنگی HSI ، (ب) هرم گونه رنگی HSI

۳-۳-۵ مدل رنگYCbCr

شکل ۳-۳ مکعب رنگ YCbCr

۳-۳-۵-۱ تبدیلات بین RGB و YCbCr

شکل ۳-۴ مکعب رنگ RGB در مکعب رنگ YCbCr فضای YCbCr بزرگتر از RGB به نظر می رسد

۳-۳-۶ مدل های رنگ دیگر

۳-۳-۷ نتیجه گیری از فضاهای رنگ

۳-۴ ساختن مدل برای پوست

فصل چهارم: شناسایی صورت در یک پایگاه داده اختیاری

۴-۱ شناسائی صورت

۴-۱-۱ مقدمه

۴-۱-۲ تاریخچه

۴-۱-۳ روش های برجسته

principle component analysis ۱-۳-۱-۴

۲-۳-۱-۴Linear discriminant analysis

شکل ۴-۱ نمونه هایی از شش کلاس در LDA

-۳-۱-۴۳ Elastic Bunch Graph Matching

شکل ۴-۲ Elastic Bunch Graph Matching

۴-۱-۴ ارزیابی دولت ایالات متحده امریکا

۴-۱-۵ نظر اجمالی به استاندارد ها

۶-۱-۴ نتیجه گیری

۴-۲ قرارداد فرت برای الگوریتم شناسایی صورت

۴-۲-۱ مقدمه

۴-۲-۲ چکیده

۴-۲-۳ تست سپتامبر ۹۶ فرت

۴-۲-۴ مدل تحقیق

۴-۲-۵ نتایج تحقیق

۴-۲-۶ نتیجه گیری

فصل پنجم: روش انجام کار تشخیص صورت با پردازش تصویردیجیتال

۵-۱ مقدمه

۵-۲ مدل کردن رنگ پوست

شکل۵-۲ نقاب حاصله

شکل ۵-۳ توزیع گاوسی

۵-۳ جداسازی پوست

شکل ۵-۴ (الف) تصویر رنگی اصلی (ب) تصویر احتمالی پوست

شکل ۵-۵ حاصله از آستانه گیری

شگل ۵-۶ نمونه ای از اجرای روش فوق

۵-۴ نواحی پوست

شکل ۵-۷ (الف) نواحی قسمت بندی شده (ب) ناحیه احتمالی صورت

۵-۴-۱ یافتن تعداد سوراخ های یک ناحیه

۵-۴-۲ مرکز حجم

۵-۴-۳ جهت

۵-۴-۴ عرض و ارتفاع ناحیه

۵-۴-۵ نسبت ناحیه

۵-۴-۶ الگوی صورت

۵-۵ تطبیق الگو

شکل ۵-۱۰ (الف) الگوی اصلی (ب) الگوی تغییر سایز یافته

شکل ۵-۹ )الف) ناحیه احتمالی صورت (ب) ناحیه بدون سوراخ (ج)نتیجه ادغام تصویر مقیاس خاکستری با (ب)

شکل ۵-۱۱ (الف) الگوی دوران داده شده (ب) تصویر حاصل از حذف نواحی اضافی در لبه های (الف)

شکل ۵-۱۲ تصویر در مقیاس خاکستری هم سایز با تصویر اصلی شامل الگوی ویرایش یافته

شکل ۵-۱۳ نمونه ای از روند کار

۵-۶ راهکارهای پیشرفت این پروژه

۵-۷ نتایج

فهرست منابع

تسریع پردازش تصاویر با استفاده از ماتریس اسپارس

          س 
            بازدید : 418
          سه شنبه 02 آذر 1395
           نظرات (0)
        

تسریع پردازش تصاویر با استفاده از ماتریس اسپارس

در سیستم‌های پردازش تصویر با توجه به حجم بزرگ داده‌های تصویر، به قدرت محاسباتی بالا نیاز داریم این امر خصوصا در الگوریتم پیچیده محسوس‌تر می‌باشد

پردازش تصویر
الگوریتم های موازی
تسریع پردازش تصاویر
الگوریتم های فشرده سازی تصاویر
کاربرد ماتریس اسپارس در پردازش تصویر
دانلود پایان نامه مهندسی کامپیوتر
دانلود پایان نامه رشته کامپیوتر
تسریع پردازش تصاویر با استفاده از ماتریس اسپارس

دسته بندی	کامپیوتر و IT
فرمت فایل	doc
حجم فایل	1421 کیلو بایت
تعداد صفحات فایل	225

دانلود پایان نامه کارشناسی مهندسی نرم افزار

تسریع پردازش تصاویر با استفاده از ماتریس اسپارس

(بصورت جامع و کامل در قالب 225 صفحه)

*آپدیت دوم:

ضمیمه شدن پردازش تصویر و ماشین بینایی در قالب 120 صفحه ورد بصورت رایگان:)

*آپدیت اول:

تصاویر تست شده و کد matlab مربوط به پیاده سازی دو الگوریتم run length coding و runrobs برای فشرده سازی

چکیده:

در سیستم‌های پردازش تصویر با توجه به حجم بزرگ داده‌های تصویر، به قدرت محاسباتی بالا نیاز داریم. این امر خصوصا در الگوریتم پیچیده محسوس‌تر می‌باشد.

مجموعه عملیات و روش هایی که برای کاهش عیوب و افزایش کیفیت ظاهری تصویر مورد استفاده قرار می گیرد، پردازش تصویر نامیده می شود.حوزه های مختلف پردازش تصویر را می توان شامل بهبود تصاویر مختلف پزشکی مانند آشکار سازی تومور های مغز یا پهنای رگ های خونی و ... ، افزایش کیفیت تصاویر حاصل از ادوات نمایشی مانند تصاویر تلویزیونی و ویدیویی، ارتقا متون و شکل های مخابره شده در رسانه های مختلف مانند شبکه و فاکس و همچنین بهبود کیفیت روش های کنترل توسط بینایی ماشین و درک واقعی تر مناظر توسط ربات ها دانست.

اگرچه حوزه ی کار با تصاویر بسیار گسترده است ولی عموما محدوده ی مورد توجه در چهار زمینه ی بهبود کیفیت ، بازسازی تصاویر مختل شده، فشرده سازی تصویر و درک تصویر توسط ماشین متمرکز می گردد. در اینجا سه تکنیک اول بررسی خواهد شد.از آنجایی که برای کار روی تصاویر با پیکسل ها سروکار داریم و هر پیکسل نشان دهنده ی یک عنصر از یک آرایه ی دوبعدی است، کار روی تصاویر همواره با کار روی ماتریس ها عجین شده است. ماتریس اسپارس یا ماتریس خلوت ، ماتریسی است که درایه های صفر آن زیاد باشد و در نتیجه ذخیره ی عناصر صفر مقرون به صرفه نیست و همواره سعی در کاهش ذخیره ی این عناصر است تا بتوان عملیات ماتریسی را سریع تر انجام داد.

در کار با تصویر با اینگونه ماتریس ها زیاد برخورد می کنیم . در این پروژه ابتدا تکنیک ها و روش های مختلف پردازش تصویر را معرفی می کنیم. در بخش بعد الگوریتم های موازی را شرح می دهیم که در GPU کاربرد دارند و با معماری موازی آشنا می گردیم. در بخش سوم برخی از الگوریتم های مربوط به ماتریس خلوت را مورد بررسی قرار می دهیم و در نهایت در بخش چهارم کاربرد این ماتریس ها را در پردازش تصویر معرفی خواهیم نمود.و در آخر، پیاده سازی یکی از الگوریتم های مبحث فشرده سازی را روی تصاویر باینری، انجام خواهیم داد و با یکی از الگوریتم های فشرده سازی مربوط به تصاویر باینری به نام Run length coding مقایسه خواهیم نمود.

کلمات کلیدی:

پردازش تصویر

الگوریتم های موازی

الگوریتم های فشرده سازی تصاویر

کاربرد ماتریس اسپارس در پردازش تصویر

مقدمه:

توجه و روی آوردن به روش های پردازش تصاویر به اوایل سال 1920 باز می گردد، زمانی که عکس های دیجیتال برای اولین بار توسط کابل های زیردریایی از نیویورک به لندن فرستاده شد.با این حال، کاربرد مفهوم پردازش تصویر تا اواسط 1960 گسترش وپیشرفت چندانی نیافت. در 1960 بود که کامپیوتر های نسل سوم دیجیتال به بازار آمد که می توانست سرعت و حافظه بالای مورد نیاز برای پیاده سازی الگوریتم های پردازش تصویر رافراهم کند.از آن پس، تجربه در این زمینه گسترش یافت. مطالعات و تحقیقات زیادی در این موضوع در علوم مختلف از جمله : مهندسی، علوم کامپیوتر، علوم اطلاعات، فیزیک، شیمی، بیولوژی و داروسازی انجام شد.

نتیجه ی این تلاش ها در تکنیک های پردازش تصویر در مسائل مختلف - از بهبود کیفیت و بازیابی تصاویر گرفته تا پردازش اثر انگشت در مسائل تجاری – خود رانشان داد.تصویر به عنوان ترجمه image نشانگر یک شکل دو بعدی می باشد که توسط یک وسیله ی حساس به نور مانند دوربین به وجود آمده باشد. اما picture (عکس) نشانگر هر گونه شکل دو بعدی مانند یک تابلوی نقاشی و یا یک دست نوشته است. مقصود از تصویر دیجیتال ، digital image می باشد.یک تصویر را می توان توسط تابع دوبعدی f(x,y) نشان داد که در آن x و y را مختصات مکانی و مقدار f در هر نقطه را شدت روشنایی تصویر درآن نقطه می نامند. اصطلاح سطح خاکستری نیز به شدت روشنایی تصاویر مونوکروم (monochrome) اطلاق میشود . تصاویر رنگی نیز از تعدادی تصویر دوبعدی تشکیل می شود.

زمانی که مقادیر x و y و مقدار f(x,y) با مقادیر گسسته و محدود بیان شوند ، تصویر را یک تصویر دیجیتالی می نامند. دیجیتال کردن مقادیر x و y را Sampling و دیجیتال کردن مقدار f(x,y) را quantization گویند. برای نمایش یک تصویر M * N از یک آرایه دو بعدی ( ماتریس) که M سطر و N ستون دارد استفاده می کنیم . مقدار هر عنصر از آرایه نشان دهنده ی شدت روشنایی تصویر در آن نقطه است. در تمام توابعی که پیاده سازی می شود ، هر عنصر آرایه یک مقدار 8 بیتی است که می تواند مقداری بین 0 و 255 داشته باشد. مقدار صفر نشان دهنده ی رنگ تیره ( سیاه ) و مقدار 255 نشان دهنده رنگ روشن ( سفید ) است.

فهرست مطالب

مقدمه:2

بخش اول:روش های پردازش تصویر4

1-1 تصویر دیجیتالی:5

2-1 تعریف رنگ و ویژگی های آن:7

1-2-1 فضای رنگ HSV :8

2-2-1 فضای رنگ RGB:12

3-1پردازش تصویر (Image Processing )13

دراینجا به تكنیك های مختلف پردازش تصاویر در سطح مقدماتی خواهیم پرداخت .13

1-3-1 بهبود كیفیت تصویر( image enhancement ) :13

1-1-3-1بهبود کیفیت تصویر در حوزه مکان :14

2-1-3-1 بهبود کیفیت تصویر در حوزه فرکانس :24

2-3-1 بازسازی تصاویر:31

نویز گوسی:32

نویز ریلی:33

نویز ارلانگ ( گاما ) :33

نویز نمایی :33

نویز یکنواخت :34

نویز ضربه ( نمک و فلفل ) :34

فیلتر میانگین ریاضی :37

فیلتر میانگین هندسی :37

فیلتر میانه:37

فیلترهای بیشینه و کمینه :38

فیلتر نقطه میانی :38

3-3-1 کدینگ و فشرده سازی تصویر:38

4-3-1 قطعه بندی تصویر ( Image segmentation ) :42

1-4-3-1 روش های مبتنی بر از مشتق اول:45

فیلترهای مشتق گیر prewitt48

فیلترهای مشتق گیر sobel48

2-4-3-1 روش مبتنی بر مشتق دوم یا لاپلاس:50

بخش دوم:الگوریتم های موازی52

1-2 الگوریتم های موازی:53

2-2 معماری موازی:55

بخش سوم:ماتریس اسپارس(خلوت)58

1-3 الگوریتم های ذخیره ماتریس اسپارس:59

تحلیل زمان اجرای ذخیره سازی : الگوریتم ذخیره سازی از درجه n2 می باشد .60

2-3-1 روش CRS60

پیاده سازی :62

تحلیل زمان اجرای ذخیره سازی : .63

3-3-1 روش CCS64

تحلیل حافظه مصرفی : .66

4- 3-1 (CDS ) Compresses diagonal storage67

تحلیل زمان اجرای ضرب:72

تحلیل زمان اجرای ذخیره سازی :72

6-3-1 The transpose jagged diagonal format72

تحلیل زمان اجرای ضرب:74

7-3-1 Robs Alorithm74

بخش چهارم:کاربرد ماتریس اسپارس در پردازش تصاویر78

1-4 (GPU) Graphic Processing Unit:79

2-4 پردازش تصویر و GPU :80

3-4 مقایسه ی دو الگوریتم:83

نتیجه گیری:90

ضمیمه 191

ضمیمه 2101

منابع:104

----------------------------------------

*آپدیت دوم:

ضمیمه شدن پردازش تصویر و ماشین بینایی در قالب 120 صفحه ورد بصورت رایگان:)

تاثیر بینایی کامپیوتر و شبکه عصبی در تخمین مدت زمان خشک شدن مواد غذایی

          س 
            بازدید : 645
          دوشنبه 01 آذر 1395
           نظرات (0)
        

تاثیر بینایی کامپیوتر و شبکه عصبی در تخمین مدت زمان خشک شدن مواد غذایی

بینایی کامپیوتر یکی از پرکابردترین فن آوری‌های مورد استفاده در صنایع غذایی و کشاورزی نوین است

بینایی کامپیوتر
پردازش تصویر
شبکه عصبی
پرسپترون چند لایه
دانلود مقاله تخمین مدت زمان خشک‌شدن
دانلود مقالات مهندسی کشاورزی
دانلود مقالات کشاورزی

دسته بندی	علوم کشاورزی و منابع طبیعی
فرمت فایل	doc
حجم فایل	275 کیلو بایت
تعداد صفحات فایل	15

دانلود مقاله رشته کشاورزی

تاثیر بینایی کامپیوتر و شبکه عصبی در تخمین مدت زمان خشک شدن مواد غذایی

(مطالعه موردی:کدوحلوایی)

*قابل استفاده برای رشته هوش مصنوعی

چکیده

بینایی کامپیوتر یکی از پرکابردترین فن آوری‌های مورد استفاده در صنایع غذایی و کشاورزی نوین است. بیشترین کاربرد بینایی کامپیوتر در آزمایشگاه‌های کنترل کیفیت می‌باشد. در مقاله حاضر سیستمی مبتنی بر بینایی کامپیوتر و شبکه عصبی برای تخمین مدت زمان خشک‌شدن مواد غذایی ارائه شده است. آزمایشها بر روی فرایند خشک‌شدن کدوحلوایی اسمزی با استفاده از جریان هوای گرم انجام گرفته است.

در این آزمایش، تصویری از یک قطعه کدوحلوایی تهیه شده و به سیستم داده می‌شود. سپس با استفاده از الگوریتم‌های پردازش تصویر محل کدوحلوایی در تصویر تعیین شده و تعدادی از ویژگی‌های آن شامل مساحت، همگنی، کنتراست و آنتروپی تصویر استخراج می‌شود. ویژگی‌های استخراج شده به یک شبکه عصبی پرسپترون چند لایه داده شده تا مدت زمان قرار گرفتن قطعه کدوحلوایی در فرایند خشک‌شدن را تعیین کند. نتایج آزمایش¬ها نشان می‌دهد خطای تخمین مدت زمان خشک‌شدن کدوحلوایی حدود 1 ساعت است. این نتایج برای چنین سیستمی بسیار خوب به نظر می‌رسد.

کلیدواژه:

بینایی کامپیوتر

پردازش تصویر

شبکه عصبی

پرسپترون چند لایه

تخمین مدت زمان خشک‌شدن

1- مقدمه

امروزه افزایش جمعیت و محدودیت منابع طبیعی باعث ایجاد یک مشکل جهانی به نام بحران غذا شده است. تولید و فراوری محصولات کشاورزی با روش‌های سنتی بازدهی کمی دارد و مقرون به صرفه نیست. بنابراین مکانیزاسیون سیستم‌های کشاورزی و استفاده از فناوری‌های نوین در تولید و فراوری مواد غذایی امری اجتناب ناپذیر است. بینایی کامپیوتر (بینایی ماشین) یکی از شاخه‌های بسیار مهم از هوش مصنوعی می‌باشد که کاربرد‌های فراوانی در صنایع غذایی، خصوصا در آزمایشگاه‌های کنترل کیفیت دارد. سیستم‌های کنترل کیفیت مبتنی بر بینایی کامپیوتر در شیلات، کشتارگاه‌های دام و طیور، محصولات باغی و صنایع لبنی و ... مورد استفاده قرار می‌گیرد [1].

به طور کلی یک سیستم بینایی کامپیوتر شامل بخش تجهیزات اخذ تصویر و نرم‌افزار پردازش تصویر می‌باشد. تجهیزات اخذ تصویر شامل سیستم نورپردازی، دوربین و در صورت لزوم کارت اخذ تصویر است. مرحله اخذ تصویر در سیستم بینایی کامپیوتر نقش بسیار موثری در کارایی کل سیستم دارد. انتخاب روش نورپردازی، چینش سیستم نورپردازی و نوع دوربین و تنظیمات آن، کیفیت تصویر را تحت تاثیر قرار می‌دهد. پس از دریافت تصویر، الگوریتم‌های پردازش تصویر بر روی تصویر ورودی اعمال شده تا اطلاعات لازم از آن استخراج شود. بخش نرم‌افزاری سیستم‌های بینایی کامپیوتر می‌تواند علاوه بر الگوریتم‌های پردازش تصویر، از سایر ابزارهای هوش‌مصنوعی مانند شبکه‌های عصبی نیز برای هوشمند کردن و انجام خودکار عملیات استفاده نمایند.

فهرست مطالب

چکیده1

کلیدواژه: 2

2- مواد و روش‌ها4

روش تهیه و آماده‌سازی نمونه‌ها4

نورپردازی و تصویربرداری5

آشکارسازی کدوحلوایی5

استخراج ویژگی8

شبکه عصبی9

3- نتایج و بحث11

4- نتیجه‌گیری و پیشنهادات آینده13

سپاسگذاری13

منابع14

پردازش تصویر و ماشین بینایی

          س 
            بازدید : 471
          شنبه 22 آبان 1395
           نظرات (0)
        

پردازش تصویر و ماشین بینایی

تكنولوژی ماشین بینایی و تصویر برداری دیجیتالی شامل فرآیندهایی است كه نیازمند بكارگیری علوم مختلف مهندسی و نرم افزاری كامپیوتر می باشد

دسته بندی	کامپیوتر و IT
فرمت فایل	doc
حجم فایل	88 کیلو بایت
تعداد صفحات فایل	120

دانلود پایان نامه رشته کامپیوتر

پردازش تصویر و ماشین بینایی

كلیات

تكنولوژی ماشین بینایی و تصویر برداری دیجیتالی شامل فرآیندهایی است كه نیازمند بكارگیری علوم مختلف مهندسی و نرم افزاری كامپیوتر می باشد. این فرآیند را می توان به چند دسته اصلی تقسیم نمود:

1ـ ایجاد تصویر به شكل دیجیتالی

2ـ بكارگیری تكنیكهای كامپیوتری جهت پردازش و یا اصلاح داده های تصویری

3ـ بررسی و استفاده از نتایج پردازیش برای اهدافی چون هدایت ربات یا كنترل نمودن تجهیزات خودكار، كنترل كیفیت یك فرآیند تولیدی، یا فراهم آوردن اطلاعات جهت تجزیه و تحلیل آماری در یك سیستم تولیدی كامپیوتری (MAC).

قبل از آنكه بتوان هر یك از بخشهای خاص این تكنولوژی را بطور تخصصی بررسی نمود. می بایستی آشنایی كلی با هر یك از اجزاء سیستم پیدا كرد و از اثرات هر بخش بر روی بخش دیگر مطلع بود. ماشین بینایی و تصویربرداری دیجیتالی از موضوعاتی است كه در آینده نزدیك تلاش و تحقق بسیاری از متخصصان را بخود اختصاص خواهد داد.در طی سه دهة گذشته تكنولوژی بینایی كامپیوتری بطور پراكنده در صنایع فضایی، نظامی و بطور محدود در صنعت بكار برده شده است. جدید بودن تكنولوژی نبودن سیستم مقرون به صرفه در بازار و نبودن متخصصین این رشته باعث شده است تا این تكنولوژی بطور گسترده استفاده نشود. تا مدتی قبل از دوربین ها و سنسورها استفاده شده معمولاً بصورت سفارشی و مخصوص ساخته می شدند تا بتوانند برای منظور خاصی مورد استفاده قرار گیرند. همچنین فرآیند ساخت مدارهای مجتمع بسیار بزرگ (VLSI ) آنقدر پیشرفت نكرده بود تا سنسورهای حالت جامد با رزولوشن بالا ساخته شود.

کلمات کلیدی:

سنسور

ماشین بینایی

پردازش تصویر

تصویر برداری دیجیتالی

بینایی انسان در مقابل بینایی ماشین

نقش بینایی انسان در یك سیستم اتوماسیون صنعتی بسیار پیچیده بوده و نمی توان آن را به عنوان یك سیستم جدا كه دارای نقش جداگانه ای است،‌در نظر گرفت. سیستم بینایی انسان به عنوان جزئی از یك مجموعه بوده و دارای تاثیرات متقابل بر روی سایر سنسورها می‌باشد. میزان وابستگی بینایی به سایر سنسورهای بدن مختلف بوده و بستگی به هوشمندی فرد و همچنین سیگنالهای دریافت شده از سایر سنسورهای بدن دارد.علاوه بر این، حلقه های بازخور پیچیده پاسخهای تطبیقی، و پردازش سیگنالها در سطوح مختلف در بخشهای مختلف بدن وجود دارند. به عنوان مثال مردمك چشم انسان در مقابل ورود پرتوهایی با مشخصات ویژه حساس می باشد.خستگی در افراد، بیماری، میزان آموزش و دانش آنها در میزان كارآیی بینایی انسان تاثیر می گذارند. این تاثیرها معمولاً بگونه ای است كه مقدار آن براحتی قابل اندازه گیری نیست.لذا معمولاً اندازه گیری مقایسه ای بر اساس میزان دستیابی به هدف تعیین شده صورت می گیرد.

فهرست مطالب

فصل اول:آشنایی با ماشین بینایی و تصویر برداری دیجیتالی

1 كلیات

1ـ1 بینایی و اتوماسیون كارخانه

2ـ1 بینایی انسان در مقابل بینایی ماشین

3ـ1 پارامترهای مقایسه ای

1ـ3ـ1 تطبیق پذیری

2ـ3ـ1 تصمیم گیری

3ـ3ـ1 كیفیت اندازه گیری

4ـ3ـ1 سرعت واكنش

5ـ3ـ1 طیف موج واكنش

6ـ3ـ1 توانایی درك صحنه های دو بعدی و سه بعدی

7ـ3ـ1 خلاصة‌مقایسه

4ـ1 توجیه اقتصادی

فصل دوم:سیستم بینایی و كنترل

2 كلیات سیستم

1ـ2 تصویرگیری

فهرست مطالب

1ـ1ـ2 نورپردازی

2ـ1ـ2 تشكیل تصویر و متمركز نمودن آن

3ـ1ـ2 شناسایی تصویر

2ـ2 پردازش

3ـ2 خروجی یا نمایش داده های تصویری

فصل سوم :پردازش تصویر

3 مقدمه

1ـ3 پیكسل

2ـ3 پنجره

3ـ3 مكان پیكسل

4ـ3 مكان پیكسل

5ـ3 خطای كوانتایز كردن

1ـ5ـ3 خطای اندازه گیری

6ـ3 هیستوگرام

1ـ6ـ3 ایجاد هیستوگرام

2ـ6ـ3 مشخصات

7ـ3 سیستمهای رنگی CMYB و RGB

استفاده از پردازش تصویر برای تعیین میزان هدایت الكتریكی خاك

          س 
            بازدید : 101
          سه شنبه 18 آبان 1395
           نظرات (0)
        

استفاده از پردازش تصویر برای تعیین میزان هدایت الكتریكی خاك

بررسی وضعیت خاك های كشاورزی یكی از مهمترین دغدغه های بخش كشاورزی و كشاورزان است از مهمترین ویژگیهای خاك تعیین شوری خاك با استفاده از میزان هدایت الكتریكی آن است

خاك
پردازش تصویر
هدایت الكتریكی
كدهای رنگی RGB
پردازش تصویر برای تعیین میزان هدایت الكتریكی خاك
دانلود مقالات مهندسی خاک
سیستم همکاری در فروش فایل
همکاری در فروش فایل
فروش فایل
فروشگاه فایل

دسته بندی	مهندسی عمران
فرمت فایل	doc
حجم فایل	366 کیلو بایت
تعداد صفحات فایل	6

دانلود مقاله مهندسی خاک

استفاده از پردازش تصویر برای تعیین میزان هدایت الكتریكی خاك

چكیده

بررسی وضعیت خاك های كشاورزی یكی از مهمترین دغدغه های بخش كشاورزی و كشاورزان است. از مهمترین ویژگیهای خاك تعیین شوری خاك با استفاده از میزان هدایت الكتریكی آن است. در روش مرسوم جهت تعیین میزان هدایت الكتریكی خاک از دستگاه EC متر استفاده میشود. در این طرح هدف تعیین میزان هدایت الكتریكی خاك با استفاده از روش پردازش تصویر و مقایسه آن با نتایج بدست آمده در طرح پایش خاك های كشاورزی خراسان رضوی كه توسط بخش خاك و آب مركز تحقیقات در حال انجام است، میباشد. در این تحقیق با استفاده از نمونه های تهیه شده در طرح پایش و آنالیز رنگ تصاویر اسكن رنگی نمونه ها توسط اسكنر جنیوس(Genius) مدل Color Page - HR6X Slim ، همبستگی آنالیز رنگ نمونه ها با میزان هدایت الكتریكی خاك مورد بررسی و با ضریب همبستگی بیش از 85% مورد تائید قرار گرفته است و نشان میدهد كه میتوان با استفاده از روش پردازش تصویر در مورد میزان هدایت الكتریكی خاك اظهار نظر نمود.

كلید واژه:

خاك

پردازش تصویر

هدایت الكتریكی

كدهای رنگی RGB

مقدمه

از مهمترین عملیات كشاورزی شناخت خاك به عنوان بستر اصلی رشد و نمو گیاه است. جهت شناخت خاك آزمایشات زیادی صورت میگیرد كه از مهمترین آن تعیین هدایت الكتریكی كه بیانگر شوری خاك است. شوری خاک یکی از عوامل محدود کننده رشد گیاهان به حساب می آید.در خاکهای مناطق خشک همانند ایران شوری وجود دارد.شوری خاک بر اثر تجمع املاح خاک می باشد و با افزایش غلظت املاح محلول افزایش می یابد.در مناطقی که میزان بارش در آنها برای نیازهای تبخیری و تعرقی گیاهان کافی نیست نمک از خاک آبشویی نمی شود و در مقادیر مضری برای گیاهان در خاکها تجمع می یابد.

اما ٬ در هر حال مسایل مربوط به نمک محدود به مناطق خشک و نیمه خشک نمی باشد و ممکن است در مناطق نیمه مرطوب نیز تحت شرایط مخصوص به خود توسعه یابد.منابع اصلی شوری خاک را تخریب کانی های خاک ٬ بارش اتمسفری و نمکهای فسیل(نمکهایی هستند که از محیط های دریایی یا دریاچه های قدیمی به جا مانده اند)تشکیل می دهند. فعالیت بشر از قبیل آبیاری و استفاده از آبهای کاملا شور یا مواد زائد صنعتی نیز باعث افزایش نمک در خاک می شود.تعیین شوری خاک از آنجایی که این املاح در روی گیاه غالبا به طور غیرمستقیم و از طریق تاثیر بر پتانسیل اسمزی و در نتیجه کاهش جذب رطوبت بوسیله ریشه ها و بذرهای جوانه زده تاثیر می گذارد ٬ دارای اهمیت فراوانی است. لذا کشت دائم خاک مستلزم کنترل شوری است.املاحی که توسط آب آبیاری به خاک اضافه می شوند٬می باید به طریق آبشویی از خاک خارج شوند(نشریه فنی موسسه آب و خاك).

فهرست مطالب

استفاده از پردازش تصویر برای تعیین میزان هدایت الكتریكی خاك1

چكیده1

كلید واژه:2

مقدمه2

شكل1- بلوك دیاگرام فرآیند پردازش تصویر3

مواد و روشها3

نتایج و بحث4

شكل2- نمونه تصاویر اسكن تهیه شده از نمونه های خاك طرح پایش4

شكل 3: هدایت الكتریكی خاك (محور عمودی ) بر اساس مجموع كدهای رنگی RGB(محور افقی)6

منابع :6

پروژه‌ی پایانی رشته گرافیک و کامپیوتر با عنوان پردازش تصویر دیجیتال

          س 
            بازدید : 210
          چهارشنبه 12 آبان 1395
           نظرات (0)
        

پروژه‌ی پایانی رشته گرافیک و کامپیوتر با عنوان پردازش تصویر دیجیتال

استفاده‌ی موثر و علمی از اطلاعات تصویری، با پیدایش بردهای تصویری برای کامپیوترهای شخصی آغاز شده است در سال 1988 از این روش برای سلکسیون ارقام لوبیا در کانادا استفاده شد

تصویر
پردازش تصویر
پردازش تصویر دیجیتال
دانلود پروژه‌ی پایانی رشته گرافیک
خرید پروژه‌ی پایانی رشته گرافیک
سیستم همکاری در فروش فایل
همکاری در فروش فایل
فروش فایل
fileina
فروشگاه ساز فایل
فروشگاه فایل
خرید پایان نامه گرافیک

دسته بندی	هنر و گرافیک
فرمت فایل	doc
حجم فایل	2665 کیلو بایت
تعداد صفحات فایل	85

پروژه‌ی پایانی رشته گرافیک و کامپیوتر با عنوان پردازش تصویر دیجیتال

چکیده

علاقه به روش‌های پردازش تصویر، از دو نیاز عمده سرچشمه می‌گیرد: بهبود اطلاعات تصویری برای استفاده‌ی انسان، و پردازش آن‌ها برای ذخیره‌سازی، انتقال، و ارائه به دستگاه‌های هوش مصنوعی. این بخش، اهداف مختلفی دارد، شامل تعیین محدوده‌ی گرایش‌‌هایی که به آن‌ها پردازش تصویر گفته می‌شود، ارائه‌ی دید واقعی از علل این گرایش‌ها، ارائه‌ی نظریه‌هایی از پردازش تصویر نوین با آزمایش برخی از محدوده‌های مهمی که مناسب هستند، مروری کوتاه بر روش‌‌های مورد استفاده در پردازش تصویر دیجیتال و مروری بر اجزای موجود در یک سیستم پردازش تصویر همه‌منظوره‌ی معمولی.

استفاده‌ی موثر و علمی از اطلاعات تصویری، با پیدایش بردهای تصویری برای کامپیوترهای شخصی آغاز شده است. در سال 1988 از این روش برای سلکسیون ارقام لوبیا در کانادا استفاده شد. در سال 1990 در ژاپن، این روش برای ارتباط بین محل کار محقق و چندین ایستگاه تحقیقاتی (تکرارهای آزمایش) به منظور هدایت آزمایشات و ثبت نتایج به کار رفت. در همان سال، استفاده از سیستم پردازش تصویر در کشاورزی رسماً تایید و معرفی گردید و در سال 1994 تشکیل یک بانگ ژن بر اساس این روش در ایتالیا گزارش شد.

کلمات کلیدی:

تصویر

پردازش تصویر

پردازش تصویر دیجیتال

Digital Image Processing

پردازش تصویر دیجیتال چیست؟

یک تصویر را می‌توان به وسیله‌ی تابعی با دو پارامتر نمایش داد: f (x,y)، که در آن، x و y صفحه‌های فضایی بوده و دامنه‌ی تابع f در هر جفت از این صفحه‌ها، شدت یا درجه‌ی تیرگی تصویر در آن نقطه نامیده می‌شود. هنگامی که x، y و دامنه‌ی مقادیر f کران‌دار و کمیت‌ها مجزا هستند، تصویر را یک تصویر دیجیتالی می‌نامیم. پردازش تصویر دیجیتال، پردازش این نوع تصویرهاست به وسیله‌ی کامپیوتر دیجیتال. باید دقت داشت که یک تصویر دیجیتالی از عناصری با تعداد کران‌دار تشکیل شده که هر یک از آن‌ها مکان و مقداری مشخص دارند. از این عناصر به عنوان عناصر عکس، عناصر تصویر و یا پیکسل یاد می‌شود. پیکسل، مفهوم گسترده‌ای است که برای اشاره به عناصر تصویر دیجیتالی از آن استفاده می‌شود.

بینایی، پیچیده‌ترین حواس انسان است، از این رو، گزاف نیست اگر بگوییم که تصاویر مهم‌ترین نقش را در درک انسان دارند. با این وجود، بر خلاف انسان که طیف بینایی از بسامد الکترومغناطیسی (EM) محدودی دارد، دستگاه‌های تصویربرداری، تقریباً شامل تمام بسامدهای EM هستند که محدوده‌ی آن‌ها از گاما تا موج‌های رادیویی است. این دستگاه‌ها توان انجام عملیاتی را بر تصاویر دارند که انسان معمولاً قادر به آن‌ها نیست، از جمله فراوا درمانی ، ریزبینی الکترونیکی و تولید تصاویر کامپیوتری. از این رو، پردازش تصویر دیجیتالی در زمینه‌های گسترده و متنوعی کاربرد دارد.

فهرست مطالب3

مقدمه6

بخش اول: پردازش تصویر دیجیتال7

چکیده7

پردازش تصویر دیجیتال چیست؟8

پیدایش پردازش تصویر دیجیتالی9

مثال‌هایی از کاربردهای پردازش تصویر19

تصاویر گاما20

تصاویر اشعه‌ی X23

تصاویر باند ماوراء بنفش28

تصاویر مرئی و مادون قرمز31

تصویربرداری در باند ریزموج36

تصویربرداری در باند رادیو39

مثال‌هایی از سایر روش‌های تصویربرداری40

بخش دوم: پیاده‌سازی45

چکیده45

درباره‌ی نرم‌افزار MATLAB46

سیستم MATLAB48

انواع تصاویر51

تصاویر Grayscale51

تصاویر Truecolor53

تصاویر Index شده55

دستور rgb2ind59

دستور imapprox62

عمل‌گرهای رابطه‌ای >، <، =>، =<، ==، ~=65

تابع k-means66

الگوریتم برنامه68

پیاده‌سازی74

مشکلات و راهِ حل‌ها86

بكارگیری روش پردازش تصویر جهت تعیین میزان پتاسیم خاك

          س 
            بازدید : 51
          سه شنبه 11 آبان 1395
           نظرات (0)
        

بكارگیری روش پردازش تصویر جهت تعیین میزان پتاسیم خاك

بررسی وضعیت خاك های كشاورزی یكی از مهمترین دغدغه های بخش كشاورزی و كشاورزان است از مهمترین ویژگیهای خاك تعیین پتاسیم خاك است

خاك
پتاسیم
پردازش تصویر
كدهای رنگی RGB
تعیین میزان پتاسیم خاك
سیستم همکاری در فروش فایل
همکاری در فروش فایل
فروش فایل
fileina
فروشگاه ساز فایل
فروشگاه فایل
خرید مقاله و تحقیق کشاورزی

دسته بندی	علوم کشاورزی و منابع طبیعی
فرمت فایل	doc
حجم فایل	368 کیلو بایت
تعداد صفحات فایل	9

بكارگیری روش پردازش تصویر جهت تعیین میزان پتاسیم خاك

چكیده

بررسی وضعیت خاك های كشاورزی یكی از مهمترین دغدغه های بخش كشاورزی و كشاورزان است. از مهمترین ویژگیهای خاك تعیین پتاسیم خاك است. در روش مرسوم جهت تعیین میزان پتاسیم خاک از روشهای شیمیائی استفاده میشود. در این طرح هدف تعیین میزان پتاسیم خاك با استفاده از روش پردازش تصویر و مقایسه آن با نتایج بدست آمده در طرح پایش کیفیت خاك های كشاورزی كه توسط بخش تحقیقات خاك و آب مركز تحقیقات کشاورزی و منابع طبیعی خراسان رضوی در حال انجام است، می باشد. در این تحقیق با استفاده از نمونه های تهیه شده در طرح پایش و آنالیز رنگ تصاویر اسكن رنگی نمونه ها توسط اسكنر جنیوس(Genius) مدل Color Page - HR6X Slim ، همبستگی آنالیز رنگ نمونه ها با میزان پتاسیم خاك مورد بررسی و با ضریب همبستگی 75% مورد تائید قرار گرفته و نشان میدهد كه میتوان با استفاده از روش پردازش تصویر در مورد میزان پتاسیم خاك اظهار نظر نمود.

كلید واژه:

خاك

پتاسیم

پردازش تصویر

كدهای رنگی RGB

مقدمه

از مهمترین عملیات كشاورزی شناخت خاك به عنوان بستر اصلی رشد و نمو گیاه است. جهت شناخت خاك تجزیه های آزمایشگاهی متعددی برروی نمونه های خاک صورت می پذیرد كه از مهمترین آن تعیین پتاسیم قابل جذب است. مقدار جذب پتاسیم توسط گیاه از جذب هرعنصر مغذی دیگری به غیر از ازت بیشتر بوده و در بعضی از گیاهان حتی از جذب ازت نیز بیشتر می باشد . پتاسیم بر خلاف ازت و فسفر ، نقش ساختمانی در گیاه ندارد ولی با توجه به نقشهای آنزیمی و كوانزیمی در گیاه ، عنصر بسیار حساس و مهمی در گیاه بشمار می رود بطوریكه حداقل 50 آنزیم گیاهی بطور كامل و یا مقدار زیادی از فعالیت آنها به پتاسیم بستگی دارد . پتاسیم با تنظیم فشار اسمزی سلولهای روزنه برگ گیاه را در برابر خشكی مقاوم می سازد . پتاسیم سبب انتقال قندها در آوند آبكش شده و با انتقال آن به سایر اندامها، رشد آنها را تضمین می نماید . پتاسیم تحمل گیاه را نسبت به امراض ، سرما و خشكی افزایش داده و استحكام گیاه را موجب می شو

فهرست مطالب

بكارگیری روش پردازش تصویر جهت تعیین میزان پتاسیم خاك1

چكیده1

كلید واژه:2

مقدمه2

شكل1- بلوك دیاگرام فرآیند پردازش تصویر4

مواد و روشها5

نتایج و بحث6

جدول1- نتایج آنالیز تصاویر و میزان پتاسیم خاک(ppm) در نمونه ها6

شكل 3: نمودار پتاسیم خاك (محور عمودی ) بر اساس مجموع كدهای رنگی RGB(محور افقی)8

منابع :8

کاربرد پردازش تصویر و بینایی ماشین در صنایع غذایی

          س 
            بازدید : 117
          پنجشنبه 06 آبان 1395
           نظرات (0)
        

کاربرد پردازش تصویر و بینایی ماشین در صنایع غذایی

در این پژوهش کاربرد پردازش تصویر در حوزه های مختلف صنایع غذایی تشریح می گردد هدف این مقاله نشان دادن برتری های فناوری بینایی ماشین بر روش های سنتی و دستی مورد استفاده در صنایع غذایی است

بینایی ماشین
پردازش تصویر
کنترل کیفیت
صنایع غذایی
رنگ سنجی
آنالیز تصویر
درجه بندی
جداسازی
دانلود مقاله کاربرد پردازش تصویر و بینایی ماشین در صنایع غذایی
خرید مقالات رشته صنایع غذایی
سیستم همکاری در فروش فایل
همکاری در فروش فایل
فروش فایل
fileina
فروشگاه ساز فایل
فروشگاه فایل

دسته بندی	صنایع غذایی
فرمت فایل	doc
حجم فایل	132 کیلو بایت
تعداد صفحات فایل	14

کاربرد پردازش تصویر و بینایی ماشین در صنایع غذایی

چکیده

در این پژوهش کاربرد پردازش تصویر در حوزه های مختلف صنایع غذایی تشریح می گردد . هدف این مقاله نشان دادن برتری های فناوری بینایی ماشین بر روش های سنتی و دستی مورد استفاده در صنایع غذایی است. بدین صورت که در آغاز معرفی کلی از پردازش تصویر و اجزای اصلی سیستم ان انجام شد و در ادامه محصولات غذایی گروه بندی شدند و پژوهش های انجام شده در هر گروه مورد بررسی قرار گرفتند.این محصولات بر اساس یک سری فاکتورها مورد ارزیابی قرار گرفتند که یکی از مهمترین انها فاکتور رنگ بود که در نهایت نتایج قابل توجهی به دست امد و این نتیجه حاصل شد که پردازش تصویر می تواند به عنوان یک روش سریع ، اقتصادی ، غیر تماسی(بدون دخالت انسان) و با دقتی بسیار بالا تر از روش های بازرسی چشمی و دستی ، در کنترل کیفیت خطوط تولید کارخانجات محصولات غذایی به کار گرفته شود.

کلمات کلیدی:

بینایی ماشین

پردازش تصویر

کنترل کیفیت

صنایع غذایی

رنگ سنجی

آنالیز تصویر

درجه بندی

جداسازی

مقدمه

روش های سنتی ارزیابی حسی در تعیین کیفیت مواد غذایی کاربرد زیادی دارند،ولی این روش ها زمان بر و پر هزینه هستند. بعلاوه نتیجه ی عملكرد این روشها نیز قابل تضمین نبوده و كنترل كیفیت یكنواخت و پایدار محصولات غذایی با این روشها امكان پذیر نیست .این عوامل سبب ایجاد انگیزه برای توسعه روش های جانشین است که در کلیدی محصول را ارزیابی کند. پردازش تصویر یکی از این روش هاست.که در مقابل روش های سنتی، سیستم های بینایی كامپیوتری غیر مخرب، كارآمد و مقرون به صرفه بوده و نیز نتایج باثبات تر و پایدارتری ارائه می كنند . بطور كلی سیستم های بینایی كامپیوتری بر مبنای تصویربرداری از محصول، حتی در حین عبور از خط تولید و سپس پردازش تصویر گرفته شده و آنالیز آن كار می كنند .

سیستم های بینایی كامپیوتری نه تنها اندازه، شكل، رنگ و بافت اشیاء را تشخیص می دهند بلكه ویژگیهای عددی اشیاء یا صحنه تصویر برداری شده را تعیین می كنند.در طی 20 سال گذشته مطالعات قابل ملاحظه ای به منظور استفاده از بینایی ماشین در صنایع غذایی صورت گرفته است. امروزه کاربردهای متعددی برای این فناوری در صنایع غذایی وجود دارد که یکی از مهمترین انها کنترل کیفیت خط تولید کارخانجات تولیدکننده ی محصولات غذایی است.در این مقاله برآنیم تا خلاصه ای از پژوهش های انجام شده در این زمینه را گردآوری کرده و بر اساس نتایج به دست آمده کارایی پردازش تصویر را با روش هایی سنتی مقایسه کنیم.

فهرست مطالب

کاربرد پردازش تصویر و بینایی ماشین در صنایع غذایی1

چکیده2

کلمات کلید2

1- مقدمه2

2- معرفی پردازش تصویر2

2-1اجزاء اصلی سیستم بینایی ماشین4

[1]شکل(1): اجزای سیستم بینایی ماشین4

3- کاربرد پردازش تصویر در صنایع غذایی4

3-1پردازش تصویر با استفاده از فاکتور رنگ4

3-1-1 برخی پژوهش های انجام شده در زمینه رنگ5

شکل(2):سیستم کنترل کیفیت خط تولید] 3[5

5- کارهایی که تاکنون انجام شده است6

5-1 انواع گوشت و مواد پروتئینی6

5-1-1 گوشت قرمز6

5-1-2 گوشت بره6

5-1-3 میگو6

5-1-4 تخم مرغ7

جداسازس تخم مرغ معیوب7

تشخیص تخم مرغ بارور و غیر بارور7

5-2 میوه ها7

5-2-1 گوجه فرنگی7

شکل 3-بلوک دیاگرام سیستم]11[8

5-2-2سیب8

5-2-3کدو حلوایی8

5-2-4 زرشک9

5-2-5 پرتقال9

5-2-6 هویج9

5-2-8 هلو10

5-2-9تشخیص جنسیت گلابیkuler معطر10

5-3 غلات و دانه های روغنی10

5-3-1 گردو10

5-3-2 مغز گردو11

5-3-3 برنج11

5-3-4 پسته11

5-4 سایر مواد غذایی12

5-4-1 نان غنی شده12

5-4-2 شکلات شیری12

7- رویکردهای جدید واحتمالی پردازش تصویر در آینده12

8-نتیجه گیری13

مراجع13

پایان نامه کارشناسی مهندسی نرم افزار نمایش های مختلف ماتریس اسپارس و کاربرد آن در پردازش تصویر

          س 
            بازدید : 203
          جمعه 04 دی 1394
           نظرات (0)
        

پایان نامه کارشناسی مهندسی نرم افزار نمایش های مختلف ماتریس اسپارس و کاربرد آن در پردازش تصویر

پایان نامه کارشناسی مهندسی نرم افزار نمایش های مختلف ماتریس اسپارس و کاربرد آن در پردازش تصویر

دانلود پایان نامه رشته کامپیوتر در کارشناسی
خرید مقالات،پایان نامه ها و پروژه های پایانی گرایش های رشته کامپیوتر
پایان نامه کارشناسی رشته کامپیوتر
پایان نامه کارشناسی مهندسی نرم افزار
پایان نامه لیسانس رشته کامپیوتر
پایان نامه و پروژه پایانی كارشناسی رشته کامپیوتر با عنوان نمایش های مختلف ماتریس اسپارس و کاربرد آن در پردازش تصویر

دسته بندی	کامپیوتر و IT
فرمت فایل	doc
حجم فایل	12 کیلو بایت
تعداد صفحات فایل	87

پایان نامه کارشناسی مهندسی نرم افزار نمایش های مختلف ماتریس اسپارس و کاربرد آن در پردازش تصویر

مقدمه:

و در آخر، پیاده سازی یکی از ا لگوریتم های مبحث فشرده سازی را روی تصاویر باینری، انجام خواهیم داد و با یکی از الگوریتم های فشرده سازی مربوط به تصاویر باینری به نام Run length coding مقایسه خواهیم نمود.

فهرست

مقدمه:1

بخش اول2

روش های پردازش تصویر2

1-1 تصویر دیجیتالی:3

2-1 تعریف رنگ و ویژگی های آن:5

1-2-1 فضای رنگ HSV :6

2-2-1 فضای رنگ RGB:9

3-1پردازش تصویر (Image Processing )10

دراینجا به تكنیك های مختلف پردازش تصاویر در سطح مقدماتی خواهیم پرداخت .11

1-3-1 بهبود كیفیت تصویر( image enhancement ) :11

1-1-3-1بهبود کیفیت تصویر در حوزه مکان :11

2-1-3-1 بهبود کیفیت تصویر در حوزه فرکانس :19

2-3-1 بازسازی تصاویر:25

نویز گوسی:26

نویز ریلی:26

نویز ارلانگ ( گاما ) :26

نویز نمایی :27

نویز یکنواخت :27

نویز ضربه ( نمک و فلفل ) :27

فیلتر میانگین ریاضی :29

فیلتر میانگین هندسی :29

فیلتر میانه:29

فیلترهای بیشینه و کمینه :30

فیلتر نقطه میانی :30

3-3-1 کدینگ و فشرده سازی تصویر:30

4-3-1 قطعه بندی تصویر ( Image segmentation ) :33

1-4-3-1 روش های مبتنی بر از مشتق اول:36

فیلترهای مشتق گیر prewitt39

فیلترهای مشتق گیر sobel39

2-4-3-1 روش مبتنی بر مشتق دوم یا لاپلاس:40

بخش دوم42

الگوریتم های موازی42

1-2 الگوریتم های موازی:43

2-2 معماری موازی:44

بخش سوم47

ماتریس اسپارس(خلوت)47

1-3 الگوریتم های ذخیره ماتریس اسپارس:48

1-3-1 Coordinate storage (COO) در این روش به جای ذخیره همه عناصر فقط عناصر غیر صفر را ذخیره می کنیم . عناصر غیر صفر را در آرایه ی val ، اندیس سطرعنصر مورد نظر را در خانه متناظرش در آرایه row_ind ، اندیس ستون عنصر مورد نظر را در خانه متناظرش در آرایه col_ind ذخیره می کنیم .48

تحلیل زمان اجرای ذخیره سازی : الگوریتم ذخیره سازی از درجه n2 می باشد .48

2-3-1 روش CRS49

پیاده سازی :50

تحلیل زمان اجرای ذخیره سازی : همان طور که مشاهده می شود الگوریتم ذخیره سازی ماتریس اسپارس به روش CRS از درجه n2 است .51

3-3-1 روش CCS52

تحلیل حافظه مصرفی : در این روش به جای n2 خانه لازم در روش معمولی برای ذخیره سازی ، تنها به2Nnze+n+1 خانه حافظه نیاز داریم .53

4- 3-1 (CDS ) Compresses diagonal storage54

تحلیل زمان اجرای ضرب:57

تحلیل زمان اجرای ذخیره سازی :57

6-3-1 The transpose jagged diagonal format57

تحلیل زمان اجرای ضرب:59

7-3-1 Robs Alorithm59

بخش چهارم62

کاربرد ماتریس اسپارس در پردازش تصاویر62

1-4 (GPU) Graphic Processing Unit:63

2-4 پردازش تصویر و GPU :64

3-4 مقایسه ی دو الگوریتم:66

نتیجه گیری:71

ضمیمه 173

ضمیمه 280

منابع:84