تشخیص رنگ سبز میوه ها ،سیب زمنی و... در متلب با سیمولینک - انجام پروژه متلب |پروژه متلب | انجام پروژه متلب برق | شبیه سازی با متلب

تشخیص رنگ سبز میوه ها ،سیب زمنی و… در متلب با سیمولینک

تشخیص رنگ سبز میوه ها ،سیب زمنی و… در متلب با سیمولینک :پروژه متلب

پروژه متلب : خواص فیزیکی محصولات کشاورزی از مهم ترین عوامل موثر در درجه بندی این محصولات است و بافت سطحی محصولات کشاورزی، یکی از مهم ترین این خواص می باشد که بایستی به طور دقیق مورد بررسی قرار گیرد. ماشین بینایی ( پردازش تصویر) به کمک نرم افزارMatlab  یکی از ابزارهای پر کاربرد و غیر مخربی است، که اخیرا برای این منظور استفاده می شود، که اخیرا برای این منظور استفاده می شود، متدی جدید در فرآیندهای جداسازی و درجه بندی توسط ماشین های غربال است. در این مقاله برای تشخیص بافت سبز رنگ سیب زمینی در نرم افزارMatlab  مورد پردازش قرار گرفتند. نتایج نشان داد که این روش در تشخیص بافت سبز رنگ سیب زمینی به خوبی عمل می کند.

پروژه متلب بیش از ۹۰ درصد اطلاعات پیرامون ما به وسیله ی مشاهده صورت می پذیرد. با پیشرفت فناوری امکان ثبت، پردازش و انتقال تصاویر به صورت دیجیتال میسر شده است. پردازش تصاویر(image processing) امروزه بیشتر به موضوع پردازش تصویر دیجیتال گفته می‌شود که شاخه‌ای از دانش رایانه است که با پردازش سیگنال دیجیتال که نماینده تصاویر برداشته شده بادوربین دیجیتال یا پویش شده توسط پویشگر هستند سر و کار دارد.

پروژه متلب پردازش تصویر به صورت خلاصه یعنی اینکه شما با انجام فرایند‌هایی روی تصویر (چه عکس چه ویدئو)، خروجی مشخص و معینی از تصویر (باز هم به صورت تصویر) بگیرید. این فرایندها می‌توانند برای افزایش دقت تصویر باشند (Image enhancement) یا می‌توانند برای جداکردن یک بخش مشخص از تصویر‌ (Image segmentation) باشند و… . برنامه‌هایی مانند اینستاگرام، کم‌اسکنر و… از الگوریتم‌های مربوط به پردازش تصویر استفاده می‌کنند. در ادامه مقاله گام‌های یادگیری پردازش تصویر براش شما آورده شده.

· پردازش تصویر به طور عمده به دو بخش تقسیم می شود:

۱/ بهبود تصاویر: پروژه متلب هدف از بهبود کیفیت تصـویر، تبـدیل تصـویر مـی باشـد؛ بـه طوری که برای یک کاربرد خاص، تصویر حاصل بهتـر از تصـویر اولیه گردد

۲/ بینایی ماشین: منظور این است که کامپیوتر ها به کمک دوربین ها محیط اطراف را ببینند درک کنند و تصمیم گیری کنند.

· کاربرد های پردازش تصویر

کنترل ترافیک: سنجش سرعت خودرو های در حال حرکت، خواندن پلاک اتومبیل های در حال حرکت

هواشناسی: پیش بینی آب و هوا یا پیش بینی سرعت طوفان ها با دقت بسیار بالا

صنعت: امروزه کمتر کار خا نه ای را میتوان یافت که از دانش و فن اوری پردازش تصویر بی بهره باشد ؛مثلا در کارخانجات تولید کیک با استفاده از فن آوری پردازش تصویر کیک های پخته را از کیک هایی که نیاز به پخت بیشتر دارند تشخیص داده میشود ،یا در محیط هایی که مشاهده و اندازه گیری محصول بدون چشم مسلط امکان پذیر نیست می توان از فن آوری پردازش تصویر استفاده کرد.

کشاورزی: پروژه متلب در مواردی همچون تقسیم اراضی یا صدمات احتمالی وارد به محیط زیست را می توان با مقایسه تصاویر دریافتی برآورد کرد.

شهرسازی: با مقایسه عکس های مختلف از سال های مختلف در یک شهر میزان تغییرات و پیشرفت آن را مشاهده کرد.

علوم نظامی: در مواردی همچون پرتاب موشک می توان با استفاده از پردازش تصویر نقطه دقیق اصابت موشک را تعیین کرد.

بینایی کامپیوتری(computer vision)

برای استفاده از الگوریتم های پردازشی باید تصاویر گرفته شده از طریق دوربین به یک پردازنده مانند کامپیوتر منتقل شود و از نرم افزار های مربوط به پردازش تصویر استفاده کنید.در این صورت وقتی شما پروژه‌ای را توسط این روش انجام دادید؛ شما در حقیقت از سیستم بینایی کامپیوتری (computer vision) استفاده کرده‌اید.

بینایی ماشین(Machine vision)

برخلاف بینایی کامپیوتر که عمدتاً تمرکزشان روی پردازش تصویر است. بینایی ماشین، سامانه‌های ضبط تصویر را با استفاده از دستگاه‌های ورودی/خروجی دیجیتال و شبکه‌های کامپیوتری یکی می‌کند. که باعث کنترل کیفی در زمان حقیقی و کنترل تجهیزاتی مثل ربات است.بینایی ماشین شامل علوم کامپیوتر، اپتیک، مهندسی مکانیک و خودکارسازی صنعتی می‌شود.

انواع پردازش تصویر

پروژه متلب مرز مشخصی بین پردازش تصویر و بینایی ماشین نمی توان تعیین کرد؛با این حال پردازش تصویر را می توان به سه دسته کلی تقسیم نمود:

۱/ پردازش سطح پایین

شامل پردازش های ابتدایی همچون حذف نویز،فیلتر کردن تصویر، کنتراست و …

۲/ پردازش سطح میانی

ویزگی این پردازش این است که ورودی آن معمولا تصویر و خروجی آن صفاتی از اشیا تصویر مانند لبه ها کانتورها و تشخیص اشیا است.

۳/ پردازش سطح بالا

این پردازش شامل فهمیدن رابطه بین اشیا تشخیص داده شده استنباط و تفسیر صحنه و انجام تفسیر و تشخیص هایی که سیستم بینایی انسان انجام می دهد .

· برنامه نویسی در حوزه ی پردازش تصویر

پروژه متلب دو راه برای برنامه نویسی در حوزه پردازش تصویر در پیش دارید: ۱- استفاده از پایتون و کتابخانه‌ی -OpenCV 2و استفاده از نرم افزار MATLAB)) متلب.

پایتون زبان برنامه نویسی OPEN SOURCE (یعنی رایگان) بوده و به همین علت منبع یادگیری پایتون به شدت فراوان است. از طرفی کتابخانه OpenCV هم اوپن سورس بوده و توسعه‌ی آن آزاد است. از طرف دیگر متلب اوپن سورس نیست و لایسنس کامل آن ۱۰۰۰۰۰ دلار (اشتباه تایپی نیست، صد هزار دلار آمریکا!) هزینه دارد. متلب گزینه‌ی مناسبی برای گروه‌های تحقیقاتی و پروژه‌های دانشگاهیست و شما می‌توانید از کد متلب خروجی c یا c++ بگیرید! بهترین ویژگی متلب، مستندات (Documentation )کامل آن است‌(در اکثر موارد، هر کد با مثال عملی همراه است). متاسفانه بسیاری فکر می‌کنند که متلب صرفاً یک ماشین حساب سنگین است، در صورتی که اینگونه نیست. متلب یک محیط توسعه برنامه است که کاربردهای بسیار زیادی دارد. از هوش مصنوعی و پردازش سیگنال گرفته تا حل معادلات مختلف. اصطلاحاً پایتون زبان Fast Prototyping است. به این معنا که شما به کمک پایتون می‌توانید نمونه‌های اولیه را با سرعت نسبتاً بالایی توسعه بدهید.

خروجی متلب :