پردازش تصویر
امید دوستی ایرانی؛ محمدحسین آق خانی؛ محمودرضا گلزاریان
چکیده
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 دو بعدی در حال گسترش است. با این حال، برداشت فلفل دلمه ای به عنوان یکی از محصولات گلخانه ای، به دلیل دقت پایین سنسورهای دو بعدی با چالش هایی مواجه است. هدف ...
بیشتر
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 دو بعدی در حال گسترش است. با این حال، برداشت فلفل دلمه ای به عنوان یکی از محصولات گلخانه ای، به دلیل دقت پایین سنسورهای دو بعدی 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 ویژگیهای هندسی (هیستوگرام ویژگی نقطه سریع - FPFH) و ویژگیهای رنگی (HSV) است. تصاویر عمق با استفاده از حسگر Kinect-v2 دریافت و مدل سه بعدی بازسازی شده است. پس از استخراج ویژگی های هندسی و رنگ، دادهها با استفاده از روش زیر نمونه گیری و با اعمال معیار Z-score برای فیلتر کردن نویزها، پیش پردازش شدند. تحلیل مؤلفه 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 95.10 درصد قادر به تشخیص فلفل دلمه ای است
