فهرست نشریات علمی دسترسی آزاد ایران

تشخیص خوشه انگور قرمز ایستاده با استفاده از پردازش تصویر و شبکه عصبی به منظور کاربرد در ربات برداشت انگور اکبر نظری1 چکیده: در این تحقیق یک سامانه طبقه بندی خودکار بر مبنای ماشین بینایی و شبکه های عصبی مصنوعی بر اساس رنگ و مولفه 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 جدا سازی کلاس های تصویر استفاده شد. ورودی شبکه،‌ میانگین مولفه های اصلی رنگ (R،GوB) پیکسل های تصاویر بوده و در خروجی شبکه عدد یک (1) به عنوان خوشه انگور قرمز و یا عدد صفر (0) به عنوان غیر انگور قرمز (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 تعداد 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 کلاس های تصویر می باشد. نتایج حاصل از آنالیز تصویر حاکی از وجود دقت بالایی در بخش بندی کلاس های تصویر بود. واژه‌های کلیدی: انگور قرمز، پردازش تصویر، ماشین بینایی، هوش مصنوعی 1- کارشناسی ارشد، گروه مکانیک ماشین های کشاورزی، دانشکده کشاورزی، واحد تاکستان، دانشگاه آزاد اسلامی، قزوین، ایران: (نویسنده مسئول) akyred@gmail.com