تشخیص خوشه انگور قرمز ایستاده با استفاده از پردازش تصویر و شبکه عصبی به منظور کاربرد در ربوت برداشت انگور

در این تحقیق یک سامانه طبقه بندی خودکار بر مبنای ماشین بینایی و شبکه های عصبی مصنوعی بر اساس رنگ و مؤلفه های آن، توسعه داده شد. حدود 300 تصویر رقمی از باغات انگور شهرستان ارومیه در شرایط مختلف نوری از ساعات اولیه صبح تا عصر در هوای ابری و آفتابی گرفته شدند. از شبکه عصبی پرسپترون چند لایه با الگوریتم یادگیری پس انتشار خطا به عنوان یکی از ابزارهای هوش مصنوعی برای تشخیص و جداسازی کلاس های تصویر استفاده شد. ورودی شبکه، مولفه های اصلی رنگ ( G.R و B ) پیکسل های تصاویر بوده و در خروجی شبکه عدد یک ( 1) به عنوان خوشه انگور قرمز و عدد صفر ( 0) به عنوان غیر انگور (برگ، آسمان، شاخه و تنه) در نظر گرفته شد که در نهایت بعد از آزمون و خطای الگوریتم یادگیری و تعداد نرون های شبکه عصبی مشخص شد که با بکارگیری 13 نرون در لایه مخفی و یک لایه مخفی و الگوریتم یادگیری از نوع Trainlm و تابع انتقال سیگموئیدی، شبکه عصبی با 98 درصد قادر به تشخیص و جداسازی کلاسهای تصویر میباشد. نتایج حاصل از آنالیز تصویر حاکی از وجود دقت بالایی در بخش بندی کلاس های تصویر بود.

کلیدواژه ها:

انگور قرمز ، پردازش تصویر ، هوش مصنوعی ، ماشین بینایی