تشخیص فلفل دلمه ای با استفاده از هیستوگرام ویژگی سریع نقطه و یادگیری بدون نظارت

برداشت رباتیک محصولات کشاورزی فرآیندی مهم و موثر برای تولید میوه سالم، کاهش هزینه های برداشت و افزایش بهره وری است. با پیشرفت بینایی ماشین، استفاده از اطلاعات سه بعدی به جای اطلاعات دوبعدی در حال گسترش است. با این حال، برداشت فلفل دلمه ای به عنوان یکی از محصولات گلخانه ای، به دلیل دقت پایین سنسورهای دوبعدی با چالش هایی مواجه است. هدف این مطالعه توسعه یک الگوریتم بینایی ماشین بدون نظارت برای تشخیص فلفل دلمه رنگی با استفاده از ترکیبی از ویژگی های هندسی (هیستوگرام ویژگی نقطه سریع- FPFH) و ویژگی های رنگی (HSV) است. تصاویر عمق با استفاده از حسگر Kinect-v۲ دریافت و مدل سه بعدی بازسازی شده است. پس از استخراج ویژگی های هندسی و رنگ، داده ها با استفاده از روش زیر نمونه گیری و با اعمال معیار Z-score برای فیلتر کردن نویزها، پیش پردازش شدند. تحلیل مولفه اصلی (PCA) برای کاهش ابعاد ویژگی ها استفاده شد و مدل خوشه بندی k-means با استفاده از شش ویژگی هندسی و سه ویژگی رنگ، به داده ها اعمال شد. ضریب سیلوئت برای ارزیابی کیفیت خوشه بندی استفاده شد و ارزیابی انسانی نشان داد که الگوریتم با دقت ۹۵.۱۰ درصد قادر به تشخیص فلفل دلمه ای است.

کلیدواژه ها:

برداشت رباتیک ، بینایی ماشین ، فلفل دلمه ای ، هیستوگرام ویژگی سریع نقطه ، K-means