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

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:

بینایی ماشین , هیستوگرام سریع نقطه , تحلید مولفه های اصلی , فلفد دلمه ای , برداشت رباتیک