کلاسه بندی دانه های شن و ماسه از روی تصاویر دیجیتالی با استفاده از شبکه عصبی رو به جلوی MLP

اندازه ی دانه های شن و ماسه برای تولید بتون از اهمیت بالایی برخوردار است لذا برای تولید مکانیزه بتون باید دانه های شن و ماسه کلاسه بندی شوند تا برمبنای اندازه آنهاه تصمیمات بعدی اتخاذ شود هدف اصلی این مقاله کلاسه بندی دانه های شن و ماسه از روی تصاویر دیجیتالی با استفاده از شبکه عصبی می باشد از 75 تصویر از دانه های شن و ماسه که در 5 کلاس اصلی تقسیم بندی شده بودند استفاده شده است در روش پیشن هادی از شبکه عصبی رو به جلوی MLP استفاده شده است ابتدا پس از پیش پردازش های لازم با استفاده از فیلترهای دیجیتالی لبه های تصاویر مربوط به دانه های شن و ماسه آشکار شده و از ترکیب های مختلف از آنها، طی الگوریتمی به عنوان ویژگی استفاده شده است از 50 تصور به عنوان داده بیشتر روش پیشنهادی از جابجایی داده ها بین مجموعه ی آموزشی و ازمایشی نیز استفاده شده است نتایج نشان میدهد که روش پیشنهادی از کارایی قابل قبولی برخوردار می باشد.

کلیدواژه ها:

بتون ، شن ، ماسه ، کلاسه بندی ، شبکه عصبی