طبقه بندی یا classification میوه ها با تکنیک های پردازش تصویر
طبقه بندی ، دسته بندی یا classification میوه ها یا تشخیص میوه ها با تکنیک های پردازش تصویر ، عنوان پروژه ای دیگر در زمینه پردازش تصویر می باشد که در این لحظه از مطلب دی ال برای دانلود قرار داده ایم.در ادامه توضیحات این پروژه، خروجی های پروژه و در انتها لینک دانلود این پروژه آورده شده است.
طبقه بندی میوه ها با تکنیک های پردازش تصویر
می دانید که دسته بندی، طبقه بندی یا classification یکی از کاربردهای مهم در پردازش تصویر است. یکی از دشواری هایی که در دسته بندی اشیا در تصویر وجود دارد این است که زاویه عکسبرداری از یک شی ممکن است تغییر کند و تشخیص آن شی را دشوار کند در این پروژه هدف این است که ما با این مشکل مهم !! کلنجار برویم و توانایی و دانش خود را در زمینه پردازش تصویر مورد آزمایش قرار دهیم.
در این پروژه یعنی پروژه دسته بندی میوه ها با تکنیک های پردازش تصویر فرض بر این است که می خواهیم تصاویر میوه های مختلف را از هم تفکیک کنیم یعنی ما باید براساس خصوصیات ظاهری میوه ها آن ها را دسته بندی کرده و از هم تشخیص دهیم.
استفاده مناسب از رنگ و فضاهای رنگی، اعمال فیلترهای مناسب، استفاده از تبدیلات حوزه فرکانس، عملیات مورفولوژی، قطعه بندی و استفاده از توصیف کننده های مناسب بعد از قطعه بندی، تبدیل های کاهش بعد مثل PCA و …
موارد ذکر شده در بالا از جمله مواردی بود که ما می توانستیم در دسته بندی تصاویری که در اختیار داریم از آنها استفاده کنیم.
همچنین بخوانید: تشخیص افراد عینکی و غیر عینکی به کمک طبقه بندهای svm ، شبکه عصبی و بیز ساده
استفاده از تکنیک های پیشرفته و قوی در یادگیری ماشین (Machine learning) و شبکه های عصبی و عمیق و … در این پروژه مد نظر ما نبوده و هدف اصلی این بود که با استفاده از تکنیک ها و روش های موجود در پردازش تصویر ، ویژگی های خوب از تصاویراستخراج کنیم که براساس آنها بتوانیم با یک سری شروط ساده و یا یک دسته بند معمولی ، میوه های داده شده را ازهم جدا نماییم.
مراحل انجام پروژه دسته بندی میوه ها با تکنیک ها و روش های پردازش تصویر
در این پروژه سعی شده است که با استفاده از ابزارهای پردازش تصویر و طبقه بندهای موجود در یادگیری ماشین تشخیص نوع میوه صورت گیرد. بر همین اساس مراحل زیر طی شده است:
- جمع آوری میوه ها
- استخراج ویژگی از میوهها
- تشخیص نوع میوه
همچنین بخوانید: ارزیابی طبقه بند درخت تصمیم Decision Tree بر روی داده IRIS
برای استخراج ویژگی از میوهها از دو مفهوم زیر استفاده شده است:
- مفهوم انواع فضای رنگ
- ویژگیهای مربوط به حجم و شکل داده ها
تصاویری از خروجی و نتایج پروژه طبقه بندی میوه ها با پردازش تصویر
در ویژگی های رنگی از سه فضای رنگ RGB، HSV و YcBcR استفاده شده است. بر اساس موارد گفته شده 9 فضای مختلف خواهیم داشت. از هر کدام از این فضای رنگ ویژگیهای آماری مانند کمترین مقدار میوه در آن فضای رنگ و … (که در داکیومنت پروژه ذکر شده است) استخراج شده است (تابعی که از آن برای این منظور نیز استفاده شده است در داکیومنت پروژه موجود می باشد).
روند خروجی این برنامه به صورت زیر است:
توجه:
ویژگیهای استخراج شده از فضاهای مختلف مانند فضای R، فضای G، فضای B، فضای hsv، فضای H و … را می توانید بعد از اجرای پروژه مشاهده نمایید.همچین این ویژگیهای استخراج شده در فایل داکیومنت پروژه نیز آورده شده است.
تصویر اصلی

تصویر سطح خاکستری

تصویر فیلتر، و جداسازی پس زمینه (قسمت سفید میوه است)

همچنین بخوانید: پروژه طبقه بندی مقالات با استفاده از طبقه بندی بیز ساده (پردازش متن)
تصویر فضای R (دقت شود که در بقیه تصاویر بحث فقط روی میوه است)

بالاتر در قالب توجه گفته شد ویژگیهای استخراج شده از فضاهای مختلف مانند فضای R، فضای G، فضای B، فضای hsv، فضای H و … را می توانید بعد از اجرای پروژه مشاهده نمایید.به عنوان مثال در تصویر زیر ویژگیهای استخراج شده از فضای R را مشاهده می کنید.

تصویر فضای G

تصویر فضای B

بحث در مورد فضای hsv

همچنین بخوانید: تشخیص اعداد فارسی تایپی به کمک طبقه بند SVM
تصویر فضای H

تصویر فضای S

تصویر فضای V

تصویر فضای Yc

تصویر فضای Bc

تصویر فضای RC

کارشناسان وب سایت MATLABDL قادر به انجام پروژه با موضوعات مشابه و در زمینه پردازش تصویر و همچنین طبقه بندی می باشند.
قیمت: 139000 تومان
حجم : 52 مگابایت
توضیحات : پیاده سازی در نرم افزار متلب انجام شده است.
کلمات کلیدی: پردازش تصویر در نرم افزار متلب,
منبع : مطلب دی ال
رمز فایل : www.matlabdl.com

دیدگاه خود را ثبت کنید
تمایل دارید در گفتگوها شرکت کنید؟در گفتگو ها شرکت کنید.