قطعه بندی تصاویر رنگی با استفاده از الگوریتم اصلاح شده بهینه سازی ازدحام ذرات و منطق فازی

بینایی ربات ها یک مشکل اساسی در ربوکاپ بوده و روش های مختلفی برای قطعه بندی و درک اشیا پیشنهاد شده است.اما همچنان این مسئله در زمان واقعی و شرایط نوری متغییر بصورت حل نشده باقی مانده است و تنظیم پارامتر هایبینایی ربات ها یک وظیفه طاقت فرسا و زمانبر در مسابقات ربوکاپ میباشد. این پژوهش به معرفی یک روش ترکیبی بدون ناظر برای قطعه بندی برون خط تصاویر رنگی و ایجاد جدول مراجعه ای ایستا میپردازد که به سیستم بینایی توانایی کار درمحیط هایی با ویژگی هایی رنگی میدهد. این روش بصورت خودکار با استفاده از الگوریتم بهینه سازی ذرات کسیستم فازی برای طبقه بندی رنگ با حداقل قوانین و کمترین خطا تولید میکند. برای تنظیم پارامتر های سیستم فازی از یک الگوریتم اصلاح شده بهینه سازی ازدحام ذرات با یادگیری جامع بهره گرفته شده است که مانع از همگرایی زودرسمیشود . هر ذره از جمعیت شامل مجموعه ای از قوانین فازی است. در حین تکامل ، یک عضو از جمعیت سعی در افزایش برازندگی خود دارد که در اینجا نرخ طبقه بندی بالا و تعداد کم قوانین اس ت. در نهای ت ق وانین مرب و به ذره ای با بیشترین میاان برازندگی جهت قطعه بندی فضای رنگ انتخاب میشود. مراحل یادگیری به نظارت انسان نیازی ندارد .کارایی روش پیشنهادی از نظر طبقه بندی در محیط ربوکاپ با شدت نور مختلف سنجیده شده و با دقت کل 68 % نتایج مطلوبی ارائه میدهد.

کلیدواژه ها:

بهینه سازی ازدحام ذرات با یادگیری جامع ، طبقه بندی فازی ، قطعه بنددی تصویر ، بینایی رنگی ، ربوکاپ ، تولیدجدول مراجعه ای ، شناسایی ا لگو