نویسندگان: علیرضا قنبریان ، داود قنبریان
خلاصه مقاله:
تکنیک بینایی ماشینMachine Vision یکی از روش های ارزیابی محصولات کشاورزی است که با روشهای گوناگونی همچون ویژگی های رنگی، بافت و یا اندازه محصولات، ارزیابی و تشخیص آنها راانجام می دهد. در این مقاله تشخیص محصولات را با ویژگی های رنگی و بافتی آنها انجام می دهیم. هدف اصلی از این تحقیق عبارت بود از بررسی امکان استفاده از ماتریس هم اتفاقی برای تشخیص انواع حبوبات. حبوبات انتخاب شده عبارت بودند از برنج، نخود، عدس، لوبیا و لپه. با استفاده از نرم افزارMATLAB ویژگی های رنگی و بافتی برای هر 10 تصویر از هر تعیین و سپس با میانگین گیری از آنها بردار شاخص هر محصول بدست آمد. برای محاسبه درصد ناخالصی از روش آستانه گیری و برایتشخیص نهائی محصول از روشKNN استفاده شد. نتایج نشان داد که بیشترین و کمترین درصد صحت تشخیص، زمانی که نمونه ها در خالصترین حالت خود باشند برای هر 5 محصول مورد بررسی به ترتیب 100 و 95 درصد می باشد. نتایج همچنین نشان داد که با افزایش میزان ناخالصی درصد صحت تشخیص نوع شدیداً کاهش می یابد
کلمات کلیدی: بینایی ماشین ، بافت ، KNN
خلاصه مقاله:
تکنیک بینایی ماشینMachine Vision یکی از روش های ارزیابی محصولات کشاورزی است که با روشهای گوناگونی همچون ویژگی های رنگی، بافت و یا اندازه محصولات، ارزیابی و تشخیص آنها راانجام می دهد. در این مقاله تشخیص محصولات را با ویژگی های رنگی و بافتی آنها انجام می دهیم. هدف اصلی از این تحقیق عبارت بود از بررسی امکان استفاده از ماتریس هم اتفاقی برای تشخیص انواع حبوبات. حبوبات انتخاب شده عبارت بودند از برنج، نخود، عدس، لوبیا و لپه. با استفاده از نرم افزارMATLAB ویژگی های رنگی و بافتی برای هر 10 تصویر از هر تعیین و سپس با میانگین گیری از آنها بردار شاخص هر محصول بدست آمد. برای محاسبه درصد ناخالصی از روش آستانه گیری و برایتشخیص نهائی محصول از روشKNN استفاده شد. نتایج نشان داد که بیشترین و کمترین درصد صحت تشخیص، زمانی که نمونه ها در خالصترین حالت خود باشند برای هر 5 محصول مورد بررسی به ترتیب 100 و 95 درصد می باشد. نتایج همچنین نشان داد که با افزایش میزان ناخالصی درصد صحت تشخیص نوع شدیداً کاهش می یابد
کلمات کلیدی: بینایی ماشین ، بافت ، KNN
بررسی امکان استفاده از ماتریس هم اتفاقی برای تشخیص حبوبات