تشخیص فلفل دلمه ای رنگی در ابر نقاط با استفاده از ترکیب ویژگی های هندسی سه بعدی (FPFH) و رنگ مبتنی بر یادگیری بدون نظارت
Publish place: 14th National Congress of Mechanical Engineering of Biosystems and Mechanization of Iran
Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 274
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCAMEM14_168
تاریخ نمایه سازی: 21 مهر 1401
Abstract:
برداشت رباتیک محصولات کشاورزی یکی از فرایندهای مهم و تاثیرگذار در تولید یک محصول سالم است که منجر به کاهش هزینه هایبردا شت و افزایش بهره وری و راندمان می شود. بینایی ما شین در نقطه عطفی قرار گرفته است که استفاده از اطلاعات سه بعدی جایگزیناطلاعات دوبعدی خواهد شدد. برداشت فلفل دلمه ای به عنوان یکی از محصولات گلخانه ای با چالش های گسترده ای روبرو است کهتشخیص آن را با استفاده از حسگرهای دوبعدی با دقت پایین و یا غیر کاربردی همراه کرده است. هدف از انجام این پژوهش توسعه یکالگوریتم بینایی ماشین بدون نظارت با استفاد از ترکیب ویژگی های هندسی هیستوگرام سریع نقطه (FPFH) و ویژگی های رنگی جهتتشخیص فلفل دلمه ای رنگی است. برای این منظور تصاویر عمق با استفاده از حسگر Kinect-v۲ دریافت و مدل سه بعدی بازسازی شد.پس از استخراج ویژگی های هندسی و رنگی (HSV) پیش پردازش داده ها در دومرحله انجام شد. ابتدا دادها با استفاده از روشUndersampling متعادل و سپس با استفاده از معیار Z-scor داده های دور افتاده فیلتر شدند. به منطور کاهش ابعاد ویژگی ها از تحلیلمولفه های اساسی (PCA) استفاده شد. در نهایت ۵ ویژگی هندسی و سه ویژگی رنگی به منظور خوشه بندی وارد مدل k-means شدند.نتایح حاصل از بررسی کیفیت خوشه بندی با استفاده از ضریب سیلوئت نشان داد در ۵ مدل مورد بررسی این ضریب هموار بالاتر از ۴ / ۰است. همچنین نتایج حاصد از ارزیابی انسانی نشان داد که دقت تشخیص مدل برابر با ۱۰۰ درصد است.
Keywords:
Authors
امید دوستی ایرانی
دانشجو دکتری، دانشگاه فردوسی مشهد، گروه مهندسی بیوسیستم
محمودرضا گلزاریان
دانشیار، دانشگاه فردوسی مشهد، گروه مهندسی بیوسیستم
محمدحسین آق خانی
استاد، دانشگاه فردوسی مشهد، گروه مهندسی بیوسیستم