Jafar Amiri Parian

Assistant Professor

Update: 2024-10-31

Jafar Amiri Parian

Faculty of Agriculture / Department of Biosystem Engineering

P.H.D dissertations

  1. امكان سنجي استفاده از پرنده هاي چندروتوره در طراحي و ساخت ربات هميار باغبان: مطالعه موردي درخت گردو
    علي يوسفوند 2020
    درختان گردو با سطح 120000 هكتار در كشور در معرض آفات و بيماري ها قرار دارند و هر ساله خسارت بالايي به اين باغات وارد مي شود. مديريت مبارزه با بيماري درختان مستلزم تشخيص و تعيين ميزان شيوع و ثبت نقشه آلودگي در هر مرحله از مبارزه است. فن آوري ربات هاي چندروتوره امكان دسترسي و تصويربرداري در زواياي مختلف از درختان را فراهم نموده است و با پردازش تصويرهاي گرفته شده توسط اين ربات هاي پرنده ثبت نقشه آلودگي امكان پذير است. خستگي ناپذيري، ايمني، افزايش دقت و كاهش مصرف مواد شيميايي از ديگر مزيت هاي استفاده از ربات براي سمپاشي و تصويربرداري است. هدف از انجام اين پژوهش تعيين كليات چالش ها، فرصت ها، توانايي ها و محدوديت هاي فن آوري بود تا يك راهبرد پژوهشي براي طراحي و ساخت سامانه رباتيك تشخيص، تهيه نقشه و سمپاشي باغات گردو ارائه شود. الگوي حركت و پايش درختان در باغ طراحي شد، بر اساس اين الگو يك ربات نقليه زميني در بين رديف درختان حركت و ربات پرنده را به نقاط از پيش تعيين شده مي رساند سپس ربات پرنده به صورت عمودي پرواز كرده و كار تصويربرداري و سمپاشي را در مسيرهاي مشخص انجام مي داد. يك ربات هگزاروتور طراحي و ساخته شد كه به صورت خودكار مسيرهاي تعيين شده را طي مي كرد. در ارزيابي فرود ربات پرنده، دقت مكان يابي، مقدار انحراف معيار و خطاي ضريب پراكندگي به ترتيب 35/75، 73/32 و 10/50 سانتيمتر به دست آمد. همچنين حداقل شعاع صفحه مورد نياز براي فرود اين ربات 134 سانتيمتر به دست آمد. در راستاي اصلاح خطاي موقعيت يابي و افزايش دقت پرواز و فرود هگزاروتور يك روش براي هدايت خودمختار پرنده ارائه شد. در اين پژوهش طرح جديدي براي حمل شيلنگ سمپاشي يا دوربين ارائه شد. در اين طرح واحدهاي كوچك اكتاروتور به هم متصل و يك بالابر عمودي را تشكيل دادند. تعادل و ايستايي اين اكتا روتورها شبيه سازي گرديد و بيشينه گشتاور قابل تحمل متناسب با نيروي بالابري روتورها بدست آمد. امكان استفاده در هر نقطه اي از باغ با توجه به سطح مقطع كوچك ، حذف محدوديت مداومت پروازي و محدوديت ميزان حمل محلول سم، هزينه ساخت كمتر نسبت به ديگر چندروتوره ها و دقت بالاي پايش و سمپاشي نقطه اي از مزاياي استفاده از طرح ابتكاري ارائه شده بود.براي بررسي تشخيص ميوه گردو، بيماري آنتراكنوز و آفت كنه گالزا از سطح درختان و در شرايط طبيعي تعدادي تصوير ب
    Thesis summary

  2. طراحي، ساخت و ارزيابي ربات سمپاش گلخانه
    احمد حيدري 2019
    وجود كارهاي تكراري، سخت و طاقت فرسا و گاهي خطرناك در محيط گلخانه همچون سمپاشي و برداشت، استفاده از ربات را در گلخانه ضروري نموده است. ساختار مكانيكي و ناوبري (مسيريابي) ربات دو پارامتر مهم در طراحي و ساخت ربات هاي گلخانه هستند. در اين رساله يك ربات سمپاش متحرك چهار چرخ محرك با مكانيزم فرمان گيري از نوع ديفرانسيلي طراحي و ساخته شد. سپس ناوبري ربات در سطوح مختلف و محيط گلخانه ارزيابي شد. الگوريتم ناوبري ربات بر اساس يادگيري مسير بود. بدين صورت كه ابتدا مسير مورد نظر به ربات آموخته مي شد، سپس ربات به صورت خودكار اين مسير را طي مي كرد. دقت ناوبري ربات در جنس سطوح مختلف (سراميك، بتون ،خاك متراكم و خاك نرم ) مورد آزمايش قرار گرفت و مقدار انحراف ربات با استفاده از شاخص آماري ريشه ميانگين مربعات خطا(RMSE) محاسبه شد. پس از بررسي دقت ناوبري ربات، يك دستگاه سمپاش بر روي شاسي نصب و سپس مورد ارزيابي قرار گرفت. نتايج نشان داد كه RMSE انحراف ربات در مسير مستقيم به طول 20 متر در سطوح سراميكي، سيماني، خاك متراكم و خاك نرم به ترتيب 3/4، 8/2 ،6/4 و8 سانتي متر و در مسير مربع شكل4×4 متر، 6/6، 5/5، 1/13 و1/47 سانتي متر بدست آمد. براي سمپاشي هوشمند در محيط گلخانه، شناسايي و پايش آفات از طريق كارت هاي چسبان زرد رنگ و برگ با كمك پردازش تصوير انجام شد. به كمك روش ماتريس اغتشاش، دقت الگوريتم پيشنهادي بررسي شده كه اين مقدار برابر با 65/94 و 92/88 درصد به ترتيب براي شناسايي سفيد بالك و تريپس از طريق كارت هاي چسبان زردرنگ محاسبه شد. همچنين الگوريتم پيشنهادي با دقت 29/95 و خطاي 71/4- درصد قادر به شناسايي و شمارش سفيد بالغ از روي برگ بود. نتايج ارزيابي عملكرد واحد سمپاش ربات نشان داد كه واحد سمپاش قادر به كنترل 7/71 درصدآفت شد. همچنين كارآيي سمپاش در كنترل آفت در قسمت هاي بالايي محصول بيشتر بوده است كه اين نتيجه با توجه به ساختار واحد سمپاش( كه از يك دستگاه سمپاش ميكرونير استفاده شده است ) قابل درك است.
    Thesis summary

  3. شبيه سازي، طراحي و ساخت خشك كن خلأيي پاششي با ريز ذره ساز آلتراسونيك به منظور توليد پودر از عصاره ريشه كاسني و برگ كنگرفرنگي و تعيين برخي خصوصيات مورفولوژيكي پودرها بر اساس پردازش تصوير ديجيتال
    سمانه صادق زاده نماور 2018
    در اين پژوهش از خشك كن خلأيي پاششي با ريز ذره ساز آلتراسونيك به منظور توليد پودر خشك از عصاره يريشه كاسنيوبرگكنگرفرنگي استفاده شد. روند خشك كردن در يك محفظه خشك كن خلأ و در دمايي پايين ترازدمايخشك كن-هايپاششيمعموليانجامشد. قبلازطراحي و ساخت دستگاه مورد نظر به منظور ارزيابي و امكان سنجي طرح جديد با محفظه خلأ، محفظه خشك كن با ديناميك سيالات محاسباتي با استفاده از نرم افزار ANSYS CFX 16.0و مدل هاي رياضي، شبيه سازي عددي شد. اين روش به منظور تكميل عمل طراحي و ارائه تصورات جزئي ترودقيق ترازپديده هاي داخل محفظه خشك-كنايجادشد. جهتبررسياستقلالجواب هاازشبكه، چهار شبكه با اندازه هايمختلف و تعداد سلول هاي 700000، 1200000، 2500000 و 5000000توليدشد. با توجه به نتايج به دست آمده از شبيه سازياستقلالشبكهدرخطوطجريان،توزيعسرعتودمابرايچهارشبكهدر-نظر گرفته شده در اين پژوهش،شبكهسومباتعدادسلول 2500000 با 68/6 درصد خطاي ميانگين نسبتبهنتايجآزمايشيبرايمدل-سازيمناسب ترازسايرشبكه هابود.مدل سازي جريان در دو حالت آرام و توربولانسي انجام و مورد مقايسه قرار گرفت، به طوري كه مدل سازي آرام با درصد خطاي ميانگين 72/6 درصد به نتايج حاصل از آزمايشات نزديكتر بود. با توجه به نتيجه بهينه از مدل-سازيجريان،شبيه سازيبهدوصورتيكطرفه (one-way)و دوطرفه يا تعامل كامل(fully coupled)نيز انجام شدكه با در نظر گرفتن حالت fully coupled در مدل سازي فرآيند خشك كنخلأييپاششيبه طورميانگين 78/92 درصدبانتايج حاصل از آزمايشات مطابقت داشت.در نهايت با اعتبارسنجيو مقايسهنتايج بهينه حاصل از مدل سازيتوزيع دما، سرعت و فشار پيش بيني شده با مقادير اندازه گيري شده آن ها،درصدخطاي اندكي به ترتيب9/5 درصد، 16/10 درصد و 82/5 درصد حاصل شد. بهينه سازي فرآيند خشك كردن تحت شرايط عملياتي مختلف از خشك كنخلأيي پاششي انجام شد. بهينه سازي با روش سطح پاسخ و به كمك نرم افزارديزاين اكسپرت انجام گرفت. براي هر آزمايش، پارامترهاي خواص كاربردي (محتواي رطوبتي و اندازه ذرات)، خواص توده اي (چگالي توده اي، چگالي حاصل از ضربه و جريان پذيري)، خواص بازسازي (ترشوندگي، پراكندگي و حلاليت) و خواص شيميايي (محتواي فنل كل، محتوايفلاونوئيد كل و فعاليت مهار راديكال آزاد DPPH) اندازه گيري و ارزيابي شد. به منظور انجام آزمايشات، از سه سطح دمايي 55، 65 و 75 درجه سلسيوس، سه سطح
    Thesis summary

Master Theses

  1. بهره گيري از روش هاي مختلف هوش مصنوعي در تشخيص ارقام مختلف نخود و ميزان ناخالصي هاي آن
    كيا كرمي 2023
    چكيده: محصول نخود به دليل شرايط خاص برداشت داراي چندين نوع ناخالصي است كه بعضي از آن ها مانند كاه، سنگريزه ها، علف هاي هرز و ساير ناخالصي ديگر كه داراي اختلاف اساسي در وزن يا ابعاد هستند، به راحتي توسط بعضي از روش هاي مكانيكي از محصول اصلي جدا مي شوند. ولي در مقابل، ناخالصي هايي مانند سنگ يا كلوخ هم اندازه نخود، نخودهاي لپه شده و مخصوصا نخودهاي نارس به سختي در فرآيند جداسازي از محصول جدا مي شوند و در نتيجه باعث كاهش كيفيت و قيمت تمام شده محصول مي شوند. لذا جداسازي اين نوع ناخالصي ها يكي از چالش هاي اصلي در حوزه فرآوري محصولات كشاورزي است كه در اين پژوهش سعي گرديد با بهره گيري از الگوريتم هاي نوين هوش مصنوعي اين نوع ناخالصي ها شناسايي و از محصول اصلي تفكيك شوند. از طرفي شناسايي و انتخاب رقم مناسب نخود براي كشاورزان و محققان از اهميت ويژ ه اي در هنگام كاشت يا اصلاح آن ها برخوردار است كه بدين منظور در هدف دوم تشخيص و طبقه-بندي رقم هاي مختلف محصول با يك شبكه عصبي كانولوشني بررسي شد. در اين تحقيق براي تشخيص و شناسايي ناخالصي ها از الگوريتم نوينYOLO-v5 استفاده شد. براي آموزش اين الگوريتم 400 عكس برچسب گذاري شده از شش كلاس شامل نخود سالم، نخود نارس، لپه شده، سنگ و كلوخ، نخود سياه و نخود قهوه اي تهيه شد. در گام دوم به منظور شناسايي رقم ها با بازسازي تصاوير، در كل 3000 تصوير ايجاد گرديد و از يك الگوريتم معروف شبكه كانولوشني VGG-19 به عنوان الگوريتم از پيش آموزش ديده شده استفاه شد. براي ارزيابي عملكرد مدل YOLO-v5 از پارامترهاي ارزيابي صحت، حساسيت، دقت، F1-Score و mAP استفاده شد. نتايج حاصل از شناسايي ناخالصي ها نشان دادن كه با استفاده از الگوريتم YOLO-v5، شش كلاس سالم و ناخالصي هاي ديگر به طور كامل و با دقت بالايي شناسايي و از هم بخوبي متمايز شدند. مقدار mAP-50براي همه كلاس ها بالاتر از ٪99 بدست آمد. همچنين مقدار mAP-50:95 براي همه كلاس ها بين 68 الي77٪ حاصل شد. با توجه به نزديك بودن اين ضريب براي تمامي كلاس ها، مي توان گفت كه مدل مذكور در شناسايي كلاس هاي مختلف بسيار موفق عمل كرده است. همچنين نتايج حاصل از شناسايي شبكه VGG-19 نشان داد كه علي رغم نزديكي بسيار زياد ظاهري رقم ها به يكديگر، اين شبكه لايه عميق توانايي نسبتا بالايي در شناسايي الگوهاي مختلف دارد و مي توان از اين شب
    Thesis summary

  2. اثر شدت نور در كاهش بار محاسباتي يادگيري عميق به منظور قطعه بندي تصوير حاوي گوجه فرنگي روي بوته
    سهيل خانمحمدي 2023
    چين با توليد سالانه بيش از 65.15 ميليون تن، بزرگترين توليد گوجه فرنگي در جهان است كه يك سوم توليد جهاني گوجه فرنگي را به خود اختصاص مي دهد.يكي ازمشكلات اصلي درتوليدگوجه فرنگي نياز به نيروي كارانساني جهت برداشت اين محصول مي باشد امروزه روش هاي رباتيك درحال جايگزين شدن با نيروي انساني جهت برداشت محصول مي باشندويكي از اصلي ترين قسمت هاي برداشت رباتيك بخش تشخيص وارزيابي گوجه فرنگي و انتخاب هدف مطلوب مي باشدبراي تشخيص محصول الگوريتم ها و روش هاي بسيار متنوعي وجود دارد ما در اين پژوهش از شبكه عصبي YOLOv5استفاده كرده ايم كه نسبت به نسخه هاي ديگر YOLOسرعت بالاتري دارد وفرايند محاسبات اين نسخه كوتاه تر و كم حجم تر مي باشددراين پژوهش هدف اصلي ما مشخص كردن بهترين شدت نورجهت آموزش شبكه و شناسايي گوجه فرنگي ها درهر تصوير همراه با كمترين زمان (بار محاسباتي) مي باشد دراين پژوهش ما از سه رزولويشن 320و640و960استفاده كرده ايم كه با افزايش رزولويشن نتايج آموزش ،mApافزايش و تعداد نمونه هاي تشخيص داده شده در هر تصوير افزايش مي يابدبراي مثال در شدت نور 2423لوكس ودررزولويشن 320 mAp50ميزان 76درصد ميباشد ولي در رزولويشن 960mAp50 ميزان 83درصد ميباشدكمترين زمان براي تشخيص وشناسايي گوجه فرنگي هاي يك تصويردر رزولويشن 320ساعات 10و12 با 9/8 msمي باشندوكمترين بار محاسباتي را دارا مي باشدوبالا ترين ميزان mApمتعلق به رزولوشن 960ساعت 8ميباشدكمترين ميزان mApنيز متعلق به رزولويشن 960ساعت 8صبح مي باشدمي توان گفت بهترين عملكرد را در سه رزولويشن ساعت 10 با 2423لوكس دارا مي باشد
    Thesis summary

  3. جداسازي فندق هاي با مغز پوسيده و ناسالم از نمونه هاي سالم با بهره گيري از روش يادگيري عميق بر مبناي پردازش تصاوير
    مهدي فراهاني 2023
    فندق يكي از خشكبارهاي با ارزش و شناخته شده در جهان است كه داراي ارزش غذايي بالايي است و نقش مهمي در سلامتي انسان ها دارد. از جنبه اقتصادي نيز جز محصولات با ارزش افزوده بالا در صنعت صنايع غذايي است و مورد توجه بسياري از كشورهاي جهان قرار گرفته است. ايران در بين كشورهاي عمده توليدكننده اين محصول در رتبه 8 قرار دارد و پتانسيل بالايي در توليد اين محصول دارد. توليد اين محصول و فرآوري آن برخلاف بسياري از كشورهاي توسعه يافته، در ايران بيشتر به شكل سنتي و با فن آوري هاي سطح پاييني انجام مي شود. نبود فرآيند صنعتي مدرن و مناسب براي خشك كردن و كم بودن انبارهاي مجهز نگهداري محصول، باعث شده كه كشاورزان يا باغداران اين محصول را به روش سنتي خشك كرده و سپس در انبار و بعضا در داخل كيسه ها نگه داري كنند تا بتوانند آن را در زمان ديگري فرآوري و به بازار عرضه كنند. نگه داري محصول در شرايط غير استاندارد و در صورتي كه با رطوبت نگهداري شود، رطوبت به درون پوسته نفوذ مي كند و باعث خراب شدن، قارچ زدگي و كپك زدگي در بخشي از فندق ها مي شود. وجود قارچ در داخل نمونه ها باعث كاهش شديد ارزش محصول شده و ضررهاي خيلي زيادي به توليد كننده ها يا عرضه كننده هاي آن وارد مي كند و از طرفي امكان صادرات آن نيز ديگر وجود نخواهد داشت. وجود اين نوع قارچ در داخل محصول باعث تغيير رنگ جزئي در سطح بيروني پوسته سفت محصول مي گردد و بدين روش امكان شناسايي آن ها قبل از عمليات شكستن پوسته و يا فروش آن وجود دارد. بنابراين هدف اصلي اين پژوهش استفاده از الگوريتم شبكه عصبي كانولوشني است كه بتواند بر پايه پردازش تصوير با قابليت بالايي اين تغييرات جزئي رنگ يا الگو هاي سطح خارجي پوسته را متوجه شده و دسته بندي محصول را انجام دهد. در اين پژوهش با استفاده از دو رويكرد يادگيري عميق، شناسايي نمونه هاي خراب از سالم بررسي و تحليل شد. در رويكرد اول با استفاده از روش يادگيري انتقال و بهره گيري از دو مدل مشهور از پيش آموزش ديده شده با تصاوير پايگاه ايميج نت (ImagNet)، بنام هاي VGG-19 و Inception-v3، عمليات طبقه بندي انجام شد و در رويكرد دوم با طراحي يك شبكه كانولوشني پيشنهادي توانايي اين شبكه در جداسازي نمونه ها مورد بررسي قرار گرفت. براي توسعه و ارزيابي مدل هاي يادگيري عميق از كتابخانه كراس (Keras) استفاده شد و برنامه نويسي پايتون و آمو
    Thesis summary

  4. اثر تغيير رزلوشن تصوير در كاهش بار محاسباتي يادگيري عميق به منظور قطعه بندي تصوير حاوي گوجه فرنگي روي بوته
    مهدي خاني 2023
    گوجه فرنگي رتبه دوم را در مقدار برداشت كشت گلخانه اي دارد. مقدار برداشت و سطح زير كشت اين محصول طي 60 سال گذشته روندي كاملا صعودي داشته است. از اين رو تحقيقات فرآواني به منظور طراحي ربات برداشت اين محصول صورت گرفته است. قسمت بينايي رايانه اي بخش مهمي از ربات هاي برداشت محصول را تشكيل مي دهد. اين قسمت از الگوريتم هاي پردازش تصوير به منظور تشخيص موقعيت گوجه فرنگي ها بهره مي برد، اما وجود چالش هايي مانند: تغييرات روشنايي، همپوشاني گوجه فرنگي ها و شرايط پيچيده محيطي مانع تشخيص درست اين محصول مي گردد. براي حل مشكلات فوق استفاده از شبكه هاي عصبي مصنوعي بسيار متداول گرديده است. از اين بين شبكه هاي Yolo عملكرد بسيار مناسبي را از نظر دقت و سرعت تشخيص ارائه مي دهند اما هنوز از بار محاسباتي بالايي براي استفاده در كاربرد هاي رباتيك برخوردارند. ايده اين پژوهش استفاده از رزلوشن تصوير بهينه براي آموزش و ارزيابي شبكه مي باشد. رزلوشن بهينه، رزلوشني است كه در آن امر تشخيص از سرعت و دقت مناسبي برخوردار است. در اين راستا مجموعه داده اي شامل 453 تصوير از گوجه فرنگي هاي نارس تا رسيده كه به روي بوته قرار داشتند تهيه گرديد. سپس تغيير رزلوشن تصاوير در هجده كلاس انجام گرفت. در ادامه تعداد پنج رزلوشن در شبكه Yolov3 و تعداد هجده رزلوشن در شبكه هاي Yolov5s و Yolov7-tiny از نظر دقت و سرعت تشخيص گوجه فرنگي ها مورد ارزيابي قرار گرفتند. همچنين رزلوشن هاي مورد بررسي داراي بازه 64*64 پيكسل تا 608*608 پيكسل بوده اند. نتايج بيان گر اين مضوع است كه بيش تر رزلوشن هاي مورد بررسي، دقت تغريبا برابري را ارائه مي دهند اما از نظر زمان تشخيص يا بار محاسباتي اختلاف بالايي بين آن ها مشاهده مي شود.
    Thesis summary

  5. بهره‎‏ گيري از شبكه‏ هاي عصبي در شناسايي و تشخيص علف ‏هرز توق در توده دانه‏ گندم
    نگار فتاحي پيرو 2022
    علف هاي هرز به طور تصادفي و لكه اي در همه ي مكان ها حضور دارند و با گياهان بر سر منابع رقابت مي كنند و منجر به افت عملكرد مي شوند. در مزارع گندم علف هاي هرز و افات مختلفي از جمله توق، چاودار، چچم و سن گندم و... وجود دارند. بعضي از اين علف هاي هرز به دليل جرم ويژه تقريبا هم اندازه با گندم و يا تشابه ظاهري زياد با گندم، تا مرحله ي ذخيره سازي در انبار همراه گندم باقي مي مانند. از آنجا كه يكي از شاخص هاي كيفي و معيار بازارپسندي توده دانه گندم عدم وجود مواد زائد است، تشخيص و شناسايي اين علف هاي هرز در توده دانه گندم براي خريداران گندم و مراكز بوجاري و كارخانه هاي آرد بسيار حائز اهميت بوده و براي تعيين ميزان افت مفيد و غير مفيد و تعيين قيمت لازم است. در اين تحقيق براي تشخيص و شناسايي علف هاي هرز رايج در مزارع و گندم هاي آفت زده از الگوريتم YOLOv5 استفاده شد. براي آموزش اين الگوريتم 375 عكس برچسب گذاري شده كه شامل 11كلاس (دانه سالم، دانه سن زده، دانه چروكيده، دانه چاودار، دانه شكسته، توق، سنگ و كلوخ، گياهان سبز، كزل، دانه جو، ساقه) بود؛ تهيه و مورد استفاده قرار گرفت (75٪ براي آموزش، 15٪ براي ارزيابي، 10٪ براي تست). در نهايت براي ارزيابي عملكرد اين مدل در شناسايي و مكان يابي علف هاي هرز موجود در تصوير از پارامترهاي ارزيابي Precision ، Recall وmAP استفاده شد. نتايج نشان دادن كه پنج كلاس (ساقه، دانه جو، كزل، گياهان سبز، توق) به طور كامل و با دقت بالا به عنوان كلاس خودشان تشخيص داده شدند. همچنين مقدار 5/0 mAPبراي همه كلاس ها بين 6/88٪ - 5/99٪ شد. كه بيشترين مقدار مربوط به كلاس ساقه، دانه جو، گياهان سبز، سنگ وكلوخ است و كمترين مقدار براي كلاس دانه چروكيده مي باشد. همچنين مقدار 5/0: 95/0 mAPبراي همه كلاس ها بين 5/65٪ - 8/81٪ به دست آمد كه بيشترين مربوط به كلاس ساقه و كمترين مربوط به كلاس دانه چروكيده بود. با توجه به نتايج به دست آمده، به نظر مي رسد الگوريتم YOLOv5 قابليت بالايي در تشخيص و شناسايي علف هاي هرز گندم دارد و مي توان از آن در ارائه يك سيستم هوشمند به صورت يك نرم افزار كه قابليت نصب در تلفن همراه را داشته باشد و يا در ارتباط با كامپيوتر درصد ناخالصي ها را ارائه كند استفاده كرد.
    Thesis summary

  6. استفاده ازشبكه هاي عصبي كانولوشني (CNN) درتشخيص خيارهاي معيوب
    سجاد حاصلي گلزار 2021
    طبقه بندي خيار از لحاظ شكل ظاهري يكي از مراحل اصلي فرآوري اين محصول است. هر چند دستگاه هاي مختلفي براي اين كار ابداع و ساخته شده اند اما همه آنها در زمينه تفكيك و طبقه بندي محصول از نظر شكل و اندازه كاربرد دارند. بررسي كيفيت محصول در صنايع مربوط به توليد خيار شور به شكل دستي و سنتي انجام مي شود كه كاري سخت و زمان بر است. بهره گيري از الگوريتم هاي هوش مصنوعي به عنوان يك روش جديد و كارآمد مي تواند جايگزين مناسبي براي روش هاي سنتي كيفي سنجي محصولات باشد. بنابراين استفاده از روش هاي سريع و نوين الگو يابي در پردازش تصوير و شناسايي كلاس هاي مختلف محصول خيار به كمك هوش مصنوعي از اهداف اصلي اين پژوهش مي باشد. در اين تحقيق با بهره گيري از مهمترين روش هوش مصنوعي بنام يادگيري عميق و تركيب عمليات كانولوشن و شبكه عصبي، تشخيص الگو و يادگيري انجام گرفت. در تحقيق حاضر با بهره گيري از دو روش يادگيري انتقال و طراحي شبكه كانولوشني پيشنهادي، الگوريتم مناسب براي طبقه بندي و شناسايي كلاس ها انجام گرفت. در روش يادگيري انتقال، از سه شبكه پيش آموزش ديده شده Inception-v3، VGG-19 و پيشنهادي استفاده گرديد. در الگوريتم پيشنهادي با بررسي لايه ها و ساختارهاي مختلف آن عملكرد مدل بررسي و با روش يادگيري انتقال مقايسه گرديد. در بررسي عملكرد مدل ها از شاخص هاي ارزيابي حساسيت، صحت، دقت و شاخص f-score استفاده گرديد. با توجه به نتايج، اگرچه تمامي مدل ها پتانسيل اميدواركننده اي براي طبقه بندي سه كلاس مختلف خيار از خود نشان دادند. در مقايسه دو روش يادگيري انتقال با شبكه پيشنهادي، شبكه طراحي شده با تعداد پارامترهاي كم و لايه هاي به مرتب كمتر توانست بهترين عملكرد را در طبقه بندي با دقت 91 درصد كسب كند.
    Thesis summary

  7. بهره گيري ازشبكه هاي عصبي كانولوشني (CNN) درتشخيص فندق هاي ناسالم و دهان بسته
    عليرضا شجاعيان 2021
    خندان كردن فندق به منظور استفاده آن در آجيل يكي از مراحل اصلي فرآوري اين محصول است. هرچند دستگاه-هاي مختلفي براي اين كار ابداع و ساخته شده اند اما به دليل اندازه ها و شكل هاي مختلف اين محصول، مقدار قابل توجهي از فندق ها در پروسه ترك زني به صورت نيمه ترك يا بدون ترك از دستگاه خارج مي شوند. تشخيص نمونه هايي با ترك هاي ريز و بدون ترك و تفكيك آن ها از نمونه هاي خندان، مي تواند در جداسازي اين محصول براي مراحل بعدي ترك زني و كاهش تلفات مفيد باشد. شناسايي ترك هاي خيلي ريز يا نمونه هاي بدون ترك توسط اپراتور كار وقت گير، پرهزينه و طاقت فرسايي است. بنابراين استفاده از روش هاي سريع و نوين الگو يابي در پردازش تصوير و شناسايي كلاس هاي مختلف محصول فندق مي تواند راهكار مناسبي در طبقه بندي اين محصول باشد. در اين پژوهش با بهره گيري از مهم ترين روش هوش مصنوعي بنام يادگيري عميق و تركيب عمليات كانولوشن و شبكه عصبي، تشخيص الگو و يادگيري انجام گرفت. در تحقيق حاضر با بهره گيري از دو روش يادگيري انتقال و طراحي شبكه كانولوشني پيشنهادي، الگوريتم مناسب براي طبقه بندي و شناسايي كلاس ها انجام گرفت. در روش يادگيري انتقال، از سه شبكه پيش آموزش ديده شده Inception-v3، VGG-19، Resnet-50 استفاده گرديد و در الگوريتم پيشنهادي نيز با بررسي لايه ها و ساختارهاي مختلف آن عملكرد مدل بررسي و با روش يادگيري انتقال مقايسه گرديد. در بررسي عملكرد مدل ها از شاخص هاي ارزيابي حساسيت، صحت، دقت و شاخص f-score استفاده گرديد. با توجه به نتايج، اگرچه تمامي مدل ها پتانسيل اميدواركننده اي براي طبقه بندي سه كلاس مختلف فندق از خود نشان دادند. از ميان سه روش يادگيري انتقال، شبكه Inception v3 بهترين نتايج را با دقت 99 درصد و شاخص F-score، 98/0 ارائه داد ولي در مدل Resnet دقت 72 درصد و F-score، 71/0 به دست آمد. در الگوريتم پيشنهادي با استفاده از سه لايه كانولوشني با تعداد فيلترهاي به ترتيب 16، 32 و 64 در هر لايه و 64 نرون در لايه شبكه عصبي دقت 98/0 حاصل شد. در مقايسه شبكه هاي مختلف آموزشي، نتايج نهايي نشان داد كه شبكه پيشنهادي از قابليت خوبي در طبقه بندي سه كلاس داشته و مي تواند جايگزين مناسبي براي طبقه بندي محصول باشد. حجم و تعداد پارامترهاي كمتر در اين شبكه باعث افزايش سرعت در شناسايي كلاس ها گرديد. به طوري كه مدت زمان آموزش
    Thesis summary

  8. رد يابي نقطه بيشينه توان در پنل هاي خورشيدي با استفاده از منطق فازي و شبكه عصبي مصنوعي مبتني بر الگوريتم هاي تكاملي
    ميلاد فتحي 2019
    شرايط آب وهوايي بر توان توليدي پنل­هاي خورشيدي اثر گذار است و از ميان آنها دما و شدت تابش بيشترين تاثير را بر اين مولفه از پنل­ها دارد. تغييرات دائمي دماي محيط و شدت تابش خورشيد باعث تغييرمكان نقطه بيشينه توان پنل­هاي خورشيدي شده و به اين ترتيب مانع از عملكرد سيستم­هاي خورشيدي با حداكثر بازده مي­شود. تغييرات توان در پنل­هاي خورشيدي، از رابطه­اي خطي تبعيت نمي­كند و حل معادله رياضي كه منجر به دستيابي به نقطه بيشينه توان پنل شود بسيار مشكل است. به اين دليل تاكنون الگوريتم­هاي مختلفي براي دست­يابي به نقطه بيشينه توان معرفي شده­اند. شبكه­ي عصبي مصنوعي، منطق فازي و الگوريتم­هاي فراابتكاري ابزارهايي توان­مند در يادگيري الگوي حاكم بر سيستم­هاي غيرخطي و پيچيده هستند كه تاكنون در زمينه­هاي مختلفي به كار رفته­اند. در اين پژوهش به منظور يافتن نقطه­ي بيشينه توان پنل­هاي خورشيدي تحت هر شرايط محيطي، منطق فازي به شيوه­اي نوين و شبكه­هاي عصبي مصنوعي با تلفيق سه الگوريتم فراابتكاري ژنتيك، بهينه­سازي ازدحام ذرات و رقابت استعماري به كار گرفته شده­اند. براي اين منظور، داده­هاي مورد نياز از يك پنل خورشيدي دريافت شده و به سيستم­هاي طراحي شده اعمال ­گرديد. نتايج حاصل از مقايسه­ي سيستم­ها با دو شاخص آماري RMSE و MAE نشان داد كه از ميان روش­هاي مورد استفاده، سيستم فازي طراحي شده قابليت اطمينان بيشتري داشته و عملكردي دقيق­ و پايدار در رديابي نقطه بيشينه توان از خود نشان مي­دهد.
    Thesis summary

  9. طراحي و ساخت سامانه شناسايي و مديريت دام با استفاده از فناوري راديو شناسه و رسپبري پاي
    ريبين هاشمي 2019
    امروزه با افزايش نياز به كنترل كيفيت و مديريت حيوانات، تقاضاي شناسايي و رديابي حيوانات افزايش يافته است. حوزه هاي مديريت در واحدهاي دامپروري صنعتي شامل مديريت تغذيه دام، مديريت سلامت دام، مديريت توليدمثل دام، مديريت نيروي انساني، مديريت حسابداري و مالي و مديريت ريسك مي باشد. بالاترين سطح مديريت دامپروري تنها در صورتي قابل دستيابي خواهد بود كه دام ها به طوري دقيق شناسايي و داده هايي قابل اطمينان براي آن ها جمع آوري شودكه اين امور در دامپروري به روش سنتي ميسّر نمي شود. با توجه به اهميت مسئله مديريت در دامداري ها، شناسايي دام ها ، نظارت بر دوره-هاي واكسيناسيون، ثبت داده هاي قابل اطمينان براي دام، تجزيه و تحليل داده ها، جداسازي و تفكيك دام ها بر اساس پارامترهاي مختلف، حركت به سمت دامپروري دقيق و... يك سامانه شناسايي و مديريت يكپارچه به صورتي مقرون به صرفه طراحي و ساخته شد كه مي تواند گام بلندي در صنعت دامپروري دقيق كشور و افزايش بهره وري اين بخش از صنعت باشد. در اين سامانه از فناوري راديوشناسه براي شناسايي دام و كامپيوتر رسپبري پاي براي انجام عمليات پردازشي نظير ثبت وضبط اطلاعات دام، تجزيه و تحليل آن ها، تفكيك دام ها براساس پارامتر هاي مختلف و كنترل سخت افزارهاي الكترونيكي- مكانيكي جانبي سامانه استفاده شد. به صورت كلي نحوه عملكرد دستگاه به اين گونه است كه تگ ها پس از قرار گرفتن در راهرو شناسايي و حركت بر روي قرائتگر سريعا توسط قرائتگر شناسايي و شماره سريال آن از طريق ماژول USB به رسپبري پاي منتقل مي شود سپس در نرم افزار طراحي شده شماره سريال، شناسايي و پرونده مربوط به آن فراخواني مي شود. با توجه به عمليات مد نظر كاربر و پنجره اي كه در آن قرار دارد عمليات مديريتي نظير مشاهده اطلاعات دام، به روزرساني اطلاعات مختلف دام، جداسازي دام ها بر اساس پارامترهاي مختلف، ثبت نام دام جديد و حذف دام از پايگاه داده در دسترس خواهد بود. نقطه قوت سامانه، عمليات جداسازي دام ها براساس پارامترهاي مختلف است بدين صورت كه سه محل نگهداري براي دام-ها در نظر گرفته شده است. دام ها براساس مقاديري كه از پارامترهاي مختلف دارند به طور كاملا خودكار در اين سه محل نگهداري دسته بندي مي شوند. پس از جداسازي دام ها، امكان عمليات مديريتي براي هر دسته به طور گروهي فراهم مي شود.
    Thesis summary

  10. طراحي و ساخت ربات مرغ داريار در مزارع پرورش مرغ گوشتي
    علي اميدي پورصالح 2019
    صنعت مرغ داري به جهت تامين حداكثر نياز پروتئين جامعه و نقش آن در اقتصاد كلان كشور و اشتغال-زايي بسيار بااهميت است. اين صنعت در كشور نيازمند برنامه اي جامع براي دست يابي به توليد بهتر و صرفه اقتصادي بيشتر مي باشد. صنعت مرغ داري در ايران قريب به يك قرن سابقه دارد اما اكثر سالن ها، ماشين ها و تجهيزات آن فرسوده و قديمي شده اند. امروزه روش هاي مديريت قديمي در صنعت به خصوص صنعت مرغ داري ناكارآمد بوده و داراي صرفه اقتصادي نمي باشد.به همين دليل استفاده از ربات ها و روش هاي جديد در مديريت بسياري از كشورهاي صنعتي رايج شده است تا ضمن بهره وري و راندمان بالا از اتلاف انرژي و سرمايه جلوگيري شود. هدف از مكانيزه كردن كشاورزي ، به حداقل رساندن شرايط كاري سخت و طاقت فرسا به همراه كنترل بهينه و اتوماتيك شرايط و تجهيزات مي باشد. بدين منظور و براي كاهش ورود انسان به سالن هاي پرورش طيور در صنعت مرغ داري و با در نظر گرفتن نيازهاي اوليه و اساسي مرغ داران ربات مرغ داريار طراحي و ساخته شد.ربات از برد كنترلي ، مكانيزم حركتي ، سيستم ارتباطي وحسگرهاي دما، رطوبت و فتوسل تشكيل شده است. ربات مرغ داريار با حركت در يك مسير مستقيم و بدون انحراف گزارشي از ميزان دما، رطوبت و روشنايي محيط را در اختيار كاربران قرار مي-دهد. اين ربات از يك قطب نماي الكترونيكي براي حركت در مسير مستقيم بهره مي گيرد.كنترل آن به وسيله پردازشگر 32 بيتي از خانواده ARM كه به زبان C برنامه نويسي شده است انجام مي شود. با توجه به اصطكاك بالاتر و پستي و بلندي هاي حاصل از حركت پرسنل و طيور در سطح كود مرغي ربات 20±سانتي متر و در سطح صاف و مسطح 5±سانتي متر نسبت به مسير مستقيم خود انحراف داشت.هم چنين در هر زمان كاربران مي توانند با ارسال يك اس ام اس گزارش كاملي از مقادير دما، رطوبت نسبي و ميزان روشنايي سالن دريافت كنند.
    Thesis summary

  11. طراحي و توسعه نرم افزار مديريت و تحليل برنامه هاي اجرايي بخش كشاورزي
    ابراهيم لك 2019
  12. طراحي و ساخت ربات تصوير بردار به منظور تهيه تصوير از كارت هاي زرد چسبان در گلخانه ها
    بهمن گمار 2017
    امروزه با افزايش نياز غذايي جوامع كشت گلخانه اي رو به افزايش است. كشت گلخانه اي به دليل تحت كنترل بودن محيط، مزايايي نسبت به كشت در هواي آزاد دارد كه قابليت اتوماسيون را بالا مي برد. سيستم هاي اتوماسيون كارهاي سنگين، خطرناك، تكراري، خسته كننده و دقيق را بدون محدوديت با سرعت، اطمينان و دقت بالا در زمان و تعداد دفعات انجام مي دهند. در يك سيستم اتوماسيون با حذف نيروي انساني، اين ربات ها هستند كه كارها را انجام مي دهند. استفاده از ربات ها در صنعت بصورت كاملا عمومي در آمده است اما در بخش كشاورزي هنوز كار هاي بسياري در زمينه اتوماسيون و رباتيك براي انجام وجود دارد. كارت هاي زرد در گلخانه به عنوان تله هايي براي مبارزه با آفات استفاده مي شود. اين كارت ها با خاصيت چسبندگي و رنگ زرد خود، باعث جذب و به دام افتادن حشرات مي شوند. از طرفي با سنجش تراكم و نوع حشرات به دام افتاده مي توان زمان، مكان، نوع و مقدار سمپاشي را تشخيص داد كه اين امر مستلزم سركشي مداوم به كارت ها و تهيه تصوير از آنها در موارد تحقيقاتي مي باشد. امروزه با توجه به هزينه و مضرات سمپاشي، تشخيص دقيق پارامترهاي سمپاشي بسيار مورد توجه قرار مي گيرد. به همين منظور رباتي طراحي و ساخته شد كه بصورت اتوماتيك از كارت هاي زرد تصوير تهيه مي كند. ربات از يك دوربين، برد كنترلي، مكانيزم حركتي، سيستم ارتباطي، موقعيت شمار و رابط كاربر تشكيل شده است. ربات با حركت خطي روي دو رشته كابل فولادي به صورت معلق در موقعيت هايي كه قبلا به آن آموزش داده شده است از كارت هاي زرد تصوير تهيه مي كند. ربات از يك رمزگذار با رزولوشن 90پالس در هر دور براي موقعيت يابي بهره مي گيرد و كنترل آن به وسيله رابط كاربر تحت ويندوز كه به زبان سي شارپ نوشته شده است انجام مي شود. همچنين به منظور كاهش كابل كشي از سيستم كنترلي بي سيم و دوربين تحت شبكه بي سيم استفاده شد. پس از نصب كارت ها يكبار موقعيت آنها به ربات معرفي و در دفعات بعد ربات بصورت اتوماتيك از كارت ها تصوير تهيه مي كند. با توجه به رزولوشن رمزگذار (1.57ميليمتر جابجايي در ازاي هر پالس)، ربات با دقت مطلوبي در موقعيت مشخص قرار گرفته و تصوير تهيه مي كند.
    Thesis summary

  13. بررسي تراكم جمعيت آفات مهم گلخانهاي با استفاده از پردازش تصاوير ديجيتال تلههاي چسبان زردرنگ جهت تعيين زمان سمپاشي
    مرجان آقامحمدي 2017
    توليدات بخش كشاورزي يكي از حوزههاي اصلي در اقتصاد هر كشور محسوب ميشود. ازجمله عواملي كه باعث افت ميزان محصولات كشاورزي ميشود طغيان آفات و بيماريها است. رايجترين شيوه مبارزه با اين آفات استفاده از سموم شيميايي ميباشد؛ اما امروزه با بهرهمندي از روش مديريت تلفيقي آفات بهمنظور افزايش ايمني غذايي محصولات كشاورزي سعي در كاهش مصرف سموم شيميايي شده است. در اين شيوه مديريتي برنامهي سمپاشي تقويمي حذف و سمپاشي بر اساس احتمال حضور آفات صورت ميگيرد كه بررسي اين امر توسط يك نيروي متخصص انجام ميشود. اين شيوه نظارتي نهتنها وقتگير و هزينهبر است بلكه نتايج حاصل از آن بهشدت تحت تأثير ميزان مهارت و شرايط فيزيولوژيكي اپراتور ازجمله خستگي، توهمات بصري و... خواهد بود؛ بنابراين در اين پژوهش با كمك علم پردازش تصوير و كارتهاي چسبان زردرنگ كه براي جذب حشرات استفاده ميشود، الگوريتمي جهت شناسايي و شمارش سفيدبالكها و تريپسها كه ازجمله مهمترين آفات گلخانهاي هستند و توسط اين كارتهاي چسبان در محيط گلخانه جمعآوريشدهاند، طراحي گرديد. شناسايي حشرات موردنظر در اين پژوهش بر اساس ويژگيهاي رنگي و ابعاد هندسي آنها ميباشد. جهت شناسايي و شمارش سفيدبالكها از فضاي رنگي RGBو براي شناسايي تريپسها از فضاي رنگي HSVاستفاده شد. الگوريتم طراحيشده براي شناسايي هر يك از گونهها شامل مراحلي از قبيل بهينهسازي، قطعهبندي، كاهش نويز، شناسايي و شمارش است. دقت اين الگوريتم پيشنهادي 41/9درصد ميباشد و مدتزمان اجراي آن بيش از چند ثانيه نيست. بدين ترتيب با استفاده از تكنيكهاي پردازش تصوير هم در هزينه و زمان نظارت صرفهجويي ميشود و هم خطاي انساني كاهش مييابد. ازآنجاكه ارتفاع كارتهاي چسبان بهمنظور جذب بهتر حشرات بايد متناسب با ميزان رشد گياهان تغيير كند، يك سيستم اتوماتيك جهت تنظيم ارتفاع اين كارتها طراحي و ساخته شد
    Thesis summary

  14. تهيه نقشه ديجيتال ازت گياه ذرت با استفاده از پردازش تصوير به منظور كاربرد در كشاورزي دقيق
    مهدي پيرداده خاني 2016
    كاربرد تكنولوژي كوددهي متغير نيتروژن در مزرعه يكي از محورهاي اصلي مديريت دقيق محصول ميباشد كه راندمان كوددهي را افزايش داده و باعث كاهش آلودگي هاي زيست محيطي مي شود. استفاده از اين تكنولوژي، نيازمند تعيين دقيق و لحظه اي نيتروژن گياه در مزرعه مي باشد. در اين تحقيق براي اولين بار، از روش پردازش تصاوير رنگي براي تعيين وضعيت نيتروژن برگ هاي ذرت استفاده شده است. آزمايش ها د مزرعه انجام و شش سطح مختلف كود دهي (0، 100، 200، 300، 400 و 500 كيلو گرم بر هكتار) براي ذرت در نظر گرفته شد. بعد از اينكه از برگها عكس گرفته شد همه برگها در جاي تاريك نگهداري شدند كه از كاهش مقدار نيتروژن جلوگيري شود. همه تستهاي شيميايي در ازمايشگاه خاكشناسي به روش كجلدال انجام شد. دو فضاي رنگي و يك فضاي سطح خاكستري براي تخمين مقدار نيتروژن برگ بر اساس تصوير گرفته شده توسط دوربين ديجيتالي به كار گرفته شد. مدل سطح خاكستري رابطه خوبي با مقدار نيتروژن برگ نشان داد (R2=0.68) و نيز زمان كمتري براي پردازش تصوير نياز داشت و نيز مدل R-B در فضاي رنگي بيشترين همبستگي را براي تخمين ميزان نيتروژن برگ نشان داد (R2=0.75). همچنين مدل شبكه عصبي رابطه خوبي با مقدار نيتروژن برگ نشان داد (R2=0.91)
    Thesis summary

  15. طراحي و ساخت سامانه بلادرنگ ماشين بينايي به منظور تشخيص آفلاتوكسين پسته
    فيروز رشنوادي 2016
    تضمين سلامت محصولات كشاورزي و فرآورده هاي غذايي مورد مصرف جامعه داراي اهميت است زيرا بهداشت و سلامت اجتماعي و اقتصادي در گرو برخورداري از غذاي سالم است. پسته يكي از اقلام صادراتي غير نفتي است كه نقش مهمي در توسعه و ارزش اقتصاد ملي و صنعت غذايي – كشاورزي ايران دارد. پسته آفت هاي متعددي دارد كه مهم ترين آنها آلوده شدن به كپك آسپرژيلوس است كه سم خطرناكي به نام آفلاتوكسين توليد مي كند كه به شدت خطرناك و سرطان زاست. جهت تشخيص سم آفلاتوكسين نوع B1 موجود در پسته، روش هاي شيميايي زيادي وجود دارد اما در مقابل اين روش ها، سيستم هاي ماشين بينايي، غير مخرب، كارآمد و مقرون به صرفه بوده و نتايج پايدارتري ارائه مي كنند. هدف اين پژوهش يافتن روشي مناسب جهت تشخيص پسته ي آلوده و سالم است كه در عين سادگي تجهيزات بكار گرفته شده، داراي دقت و سرعت مناسبي باشد. در اين روش ابتدا از پسته هاي سالم و آلوده در حالت بلادرنگ، با استفاده از يك دوربين ديجيتال تصويربرداري شد. سپس با استفاده از الگوريتم طراحي شده در نرم افزار MATLAB رنگ هاي اصلي قرمز، سبز و آبي را از هر تصوير جدا، هيستوگرام آنها ترسيم و بيشينه شدت روشنايي هر رنگ، در جدولي ثبت گرديد. اين عمل براي 96 عدد پسته، شامل 53 عدد پسته ي سالم و 43 عدد پسته ي آلوده انجام شد. با توجه به جدول، حدودي براي شدت روشنايي رنگ ها در پسته هاي سالم و آلوده به صورت جداگانه مشخص گرديد. با در نظر گرفتن حدود تعيين شده و نتايج حاصل از روش آزمايشگاهي ، 3 عدد از پسته هاي سالم در محدوده ي پسته هاي آلوده و 6 عدد از پسته هاي آلوده در محدوده ي پسته هاي سالم قرار گرفتند. در اين پژوهش دقت فرآيند تشخيص، 63/90 درصد بدست آمد. زمان لازم براي تشخيص در سامانه ي ماشين بينايي نيز 03/1 ثانيه محاسبه شد.
    Thesis summary

  16. تشخيص بلادرنگ بطري هاي شيشه اي شكسته در خط توليد نوشابه به كمك پردازش تصاوير ديجيتال (مطالعه ي موردي: شركت خوش نوش همدان)
    حسين شعبان نيايي 2016
    امروزه از سيستم هاي ماشين بينايي به طور گسترده اي در امور مربوط به كنترل كيفيت و بازرسي بلادرنگ به منظور بهبود كيفيت محصولات نهايي و صرفه جويي در زمان و هزينه استفاده مي شود. استفاده از ظروف شيشه اي براي مصرف و نگهداري مواد خوراكي در مقايسه با ظروف ديگر از سلامت بيشتري برخوردار بوده و قابليت بازيافت به دفعات بيشتري را دارند. بطري-هاي شيشه اي توليد شده و بطري هايي كه مورد استفاده ي مجدد قرار مي گيرند به دليل وجود برخي نقص ها ممكن است پيامدهاي منفي و خطرناكي را به دنبال داشته باشند، لذا لازم است قبل از پر شدن بطري ها در خط توليد عمل شست وشو و بازرسي بر روي آن ها انجام شود تا در صورت وجود نقص، بطري هاي معيوب از خط خارج شوند. فرآيند بازرسي امري است بصري و ذهني، لذا انجام اين عمل توسط انسان بسيار سخت و خسته كننده بوده و از قابليت اطمينان كافي برخوردار نمي-باشد. هدف اين پژوهش يافتن روشي مناسب براي بازرسي بلادرنگ از بدنه و دهانه ي بطري هاي شيشه اي است كه در عين سادگي تجهيزات بكار گرفته شده، دقت و سرعت مناسبي داشته باشد. در اين روش ابتدا از بدنه و دهانه ي بطري ها با استفاده از يك دوربين ديجيتال تصوير برداري شد. براي پوشش دادن تصوير بدنه ي بطري ها از يك آينه ي تخت كه با زاويه ي مشخص در كنار مسير حركت بطري ها نصب شده است، استفاده گرديد. سپس با استفاده از الگوريتم طراحي شده در نرم افزار MATLAB ابتدا مناطق مورد نظر براي بازرسي در دهانه و بدنه ي بطري ها از تصوير اصلي جدا شده و با استخراج اطلاعات لازم از اين مناطق عمل كلاسه بندي بطري ها در دو سطح سالم و آسيب ديده صورت گرفت. در پايان براي ارزيابي عملكرد سامانه ي ماشين بينايي ارائه شده، فرآيند بازرسي بر روي تصاوير گرفته شده از بطري ها در دو محيط آزمايشگاه و خط توليد كارخانه ي خوش نوش همدان انجام شد. با انجام فرآيند بازرسي روي 210 تصوير گرفته شده در آزمايشگاه شامل 114 تصوير از بطري هاي سالم و 96 تصوير از بطري هاي شكسته، دقت فرآيند بازرسي 8/92 درصد بدست آمد. همچنين دقت بازرسي بر روي 210 تصوير گرفته شده در خط توليد كارخانه شامل 127 تصوير از بطري هاي سالم و 83 تصوير از بطري هاي معيوب، 4/73 درصد شد. زمان لازم براي انجام بازرسي از هر بطري نيز 767/0 ثانيه محاسبه شد.
    Thesis summary

  17. طراحي و ساخت دستگاه درجه بندي ميوه هاي گرد بر اساس اندازه گيري يك بعدي با استفاده از فتوسنسور (مطالعه موردي: پرتقال)
    شيما خوشگو 2016
    با توجه به حجم بالاي توليد پرتقال در ايران، مقدار كمي از اين محصول از نظر اندازه و درجه بندي و بسته بندي شده و به دست مصرف كنندگان داخلي يا خارجي ميرسد. هدف از اين پژوهش ساخت دستگاهي است كه توانايي درجه بندي پرتقال بر اساس اندازه گيري يك بعدي با استفاده از فتو سنسور كه بر اساس ميزان فاصله تا از سطح پرتقال عمل ميكند را داشته باشد. در اين پژوهش دو رقم پرتقال واشنگتن ناول و تامسون ناول انتخاب شدندتا داراي تفاوت در اندازه باشند. آزمايشات در دو مرحله ي اساس تعيين دقت جداسازي دستگاه در سرعتهاي مختلف و در سرعت ثابت انجام گرفت. در مرحله نخست، بهترين دقت درجه بندي پرتقال ها براي رقم واشنگتن ناول برابر 0/94 و براي پرتقال ها از رقم تامسون ناول برابر با 0/85 در سرعت خطي 0/78 متر بر ثانيه تسمه نقاله بدست آمد. در مرحله دوم دقت جداسازي دستگاه در سرعت ثابت 0/66 متر بر ثانيه، مورد بررسي قرار گرفت و اين دقت در حد 1/5 ميليمتر با احتمال بالاي 90 دصد تعيين گرديد. اين روش درجه بندي ميتواند در جداسازي و درجه بندي انواع ميوه هاي گرد استفاده شود.
    Thesis summary

  18. درجه بندي فلفل براساس تندي مزه به كمك پردازش تصوير ديجيتال
    سمانه علييي 2016
    فلفل محصولي مهم از نظر اقتصادي مي باشد. دسته بندي اين محصول براساس تندي آن مي تواند درتوسعه صادرات اين محصول بسيار مهم واقع شود. تندي فلفل عامل مهمي در ميزان بازارپسندي و نوع كاربرد آن است.كپسايسينوئيد موجود در فلفل كه عامل تندي اين ميوه است، به طور رايج توسط روش هاي اسپكتروفتومتري،كروماتوگرافي و يا پانل تست صورت مي گيرد كه اكثر روش ها مستلزم تخريب ميوه است بنابراين امكان استفاده از اين روش ها به منظور دسته بندي فلفل مناسب نخواهد بود. هدف از اين پژوهش، بررسي امكان تعيين تندي فلفل بدون آسيب رساندن به آن مي باشد. به اين منظور، با روش پردازش تصوير توسط الگوريتم تنظيم شده در برنامه MATLAB ، پارامترهاي ظاهري فلفل مورد بررسي قرار گرفت، سپس از روش هاي رايج پانل تست و اسپكتروفتومتري براي تعيين تندي استفاده شد. با بكار گيري شبكه عصبي مصنوعي ،هركدام از ويژگي هاي بدست آمده از تصاوير،مورد ارزيابي و مقايسه با تندي قرار گرفت. در بين پارامترهاي استخراج شده از تصاوير،پارامترهاي مربوط به دو فضاي رنگي RGB وHSV با دقت طبقه بندي 4286/89 بهترين نتيجه را در جهت دسته بندي فلفل به دو دسته تند و شيرين ارائه دادند.
    Thesis summary

  19. استخراج پروفيل سه بعدي سطح خاك به كمك ليزر بر اساس پردازش تصاوير ديجيتال
    طيبه نيري فرد 2015
    تعيين فرسايش و زبري خاك و اندازه خاكدانه ها، پارامترهاي اساسي و مهم در كشاورزي مي باشند كه مي توانند بر خاك ورزي، كشت، جوانه زني، سبز شدن گياهان و جريان هاي آب سطحي اثرگذار باشند. هم چنين تهيه پروفيل بستر سيال به عنوان يكي از مسائل مهم در مهندسي هيدروليك مورد توجه مي باشد. در همين راستا مدل سازي سه بعدي براي بدست آوردن نقشه پايه از سطح خاك و بستر سيال و بررسي تغييرات آنها در طي زمان، يكي از اهداف مهم داده برداري غيرتماسي از سطح به شمار مي آيد كه منجر به استخراج داده هاي دقيق تر و بررسي هاي اصولي تر مي گردد. كه اين امر افزايش بازده و كاهش هزينه ها را در پي خواهد داشت. در اين پژوهش، به منظور استخراج نقشه سه بعدي سطح خاك به روش غير تماسي، دستگاهي طراحي و ساخته شد كه از سه بخش اصلي قاب مكانيكي، سيستم كنترل حركت و مكانيزم تصويربرداري تشكيل شده است. قاب مكانيكي دستگاه با استفاده از پروفيل هاي آلومينيومي در ابعاد 169×126 سانتيمتر و با چهارپايه كه قابليت تغيير ارتفاع بين 70 تا 100 سانتيمتر را دارند، ساخته شده است. براي استخراج نقشه، قاب دستگاه بر روي نمونه خاك مستقر شده و ثابت است و در داخل آن مكانيزم تصويربرداري به صورت رفت و برگشتي، با حركت خطي سرعت ثابت تصويربرداري را انجام مي دهد. مكانيزم تصويربرداري، از يك دوربين تصويربرداري و يك ليزر خطي قرمز تشكيل شده است و نيروي مورد نياز براي حركت خود را از يك موتور الكتريكي القايي 220 ولت، 60 دور در دقيقه دريافت مي كند . سرعت حركت در هنگام تصويربرداري4/2 ميليمتر در ثانيه است و در هر ثانيه 2 عكس دريافت مي شود. نورپردازي اين پژوهش از نوع ساختاريافته است. تمامي دستگاه براي ايجاد اتاق تاريك پوشيده است و خط ليزر عمود بر سطح خاك تابيده مي شود. در نهايت تمامي تصاوير، با استفاده از نرم افزار متلب پردازش شده و ارتفاع هر نقطه از سطح خاك استخراج مي شود. براي پردازش تصاوير از چند الگوريتم جهت رفع نويزها، تقليل ضخامت نور ليزر در تصوير، ايجاد پيوستگي در خط ليزر و تعيين ارتفاع تمامي نقاط خط ليزر استفاده شده، سپس با استفاده از داده هاي بدست آمده از تصاوير و تعيين مختصات سه بُعد هر نقطه، نقشه سه بعدي در محيط متلب رسم مي شود.
    Thesis summary

  20. طراحي الگوريتمي براي برآورد مساحت سطح رويه ي محصولات كشاورزي با استفاده از پردازش تصاوير ديجيتال
    محمد رباني 2015
    تخمين سطح رويه ي محصولات كشاورزي در مطالعاتي كه به پوشش اسپري، حذف بقاياي اسپري، نرخ تنفس، جذب و دفع رطوبت، برآورد زمان لايه برداري، تعيين غلظت ميكروبي، انعكاس نور و ارزيابي رنگ مي پردازند و نيز مطالعات مربوط به انتقال حرارت درفرآيند هاي گرم و سرد كردن محصول، بسته-بندي، درجه بندي، فضاي ذخيره سازي، تعيين سطوح آسيب ديده و بازارپسندي محصول مهم است. به دليل شكل هندسي ناهمگون اغلب محصولات كشاورزي، محاسبه ي سطح رويه ي آنها به روش هاي ساده ي هندسي چندان دقيق نيست و روش هاي دقيق برآورد سطح رويه نيز روش هايي مخرب و طاقت فرسايي هستند. هدف از اين تحقيق طراحي الگوريتمي براي برآورد مساحت سطح رويه ي محصولات كشاورزي با استفاده از پردازش تصاوير ديجيتال است كه بتواند با سرعت و دقت بالا سطح رويه ي آنها را اندازه گيري كند. براين اساس دستگاهي طراحي شد و الگوريتمي با استفاده از زبان برنامه نويسي C# براي آن كدنويسي گرديد. اين دستگاه به همراه الگوريتم موجود در برنامه ي آن با استفاده از يك دوربين و سيستم نورپردازي ساختاريافته، مي تواند، يك اسكن 360 درجه از نمونه تهيه كرده و مدل سه بعدي آن را شبيه سازي كند. الگوريتم به اين ترتيب بود كه: نمونه ها در جعبه ي تاريك دستگاه در مركز يك آينه ي تخت گرد قرار داده شدند و پرتو ليزر به صورت خطي و مماس بر محور عمود بر آينه به نمونه تابانده شد. در ادامه درحاليكه آينه با سرعت ثابت پنج rpm ، يك دور حول محور خود گردش مي كرد، حدود 170 عدد تصوير از پرتو ليزر بيرون و داخل آينه تهيه شد سپس به كمك الگوريتم طراحي شده طي چند مرحله پردازش و به كارگرفتن قوانين پرسپكتيو دونقطه گريزي، از هر تصوير، منحني كاليبره شده ي سطح مقطع نمونه استخراج شد. ابرنقاط نمونه با استفاده از منحني هاي كاليبره شده ي مقاطع آن و به كارگيري معادله ي دوران يك نقطه حول يك محور محاسبه شد و مدل سه بعدي نمونه با استفاده از ابر نقاط استخراج شده و المان هايي به شكل قسمتي از مخروط ناقص بدست آمد. سپس سطح رويه ي تخميني نمونه از مجموع سطح المان ها محاسبه شد. براي ارزيابي دقت سطح رويه ي تخميني، 30 نمونه سيب زميني به عنوان يك محصول با شكل هندسي نامنظم و 22 نمونه ليموشيرين، به عنوان يك محصول با شكل هندسي منظم انتخاب شد. سطح رويه ي تخميني با استفاده از دستگاه ساخته شده و سطح رويه ي واقعي از روش پوست كندن بدس
    Thesis summary

  21. بهينه سازي خشك كردن ميوه بنه در خشك كن پيوسته نيمه صنعتي به كمك شبكه هاي عصبي مصنوعي و روش سطح پاسخ
    رضا اميري چايجان 2014
  22. ارزيابي تاثير پارامترهاي عملكرد خطي كار روي يكنواختي توزيع بذر با استفاده از دستگاه تست گريس بلت
    سجاد اصغري 2014
  23. مقايسه رنگ سنجي بين دستگاه هاي رنگ سنج و پردازش تصاوير رنگي در محصولات كشاورزي
    جبرييل طهماسبي 2014
  24. بهينه سازي خشك كردن پسته در ميكروويو بستر سيال به كمك روش سطحي پاسخ
    معين زرين نژاد 2014
  25. بهينه سازي خشك كردن پسته در ميكروويو بستر سيال به كمك روش سطح پاسخ
    معين زرين نژاد 2014
  26. طراحي و ساخت دستگاه سمپاش دقيق براساس نقشه ديجيتال علف هرز
    ابراهيم چاوشي 2014
  27. بررسي عملكرد سمپاشي الكتروستاتيك روي سطوح برگ به كمك پردازش تصوير
    حسن پوروثوقي گرگري 2013
  28. بررسي مراحل رسيدگي ميوه زردآلو با استفاده از تغييرات رنگ
    حامد پاكبر 2013
  29. طراحي و ساخت سامانه غيرمخرب جداسازي بادرنگ محصولات كشاورزي براساس اثر پايروالكتريك- مطالعه موردي: سيب و پرتقال
    حميده فريدي 2013
  30. شناسايي و تعيين موقعيت پرتقال بر روي درخت با استفاده از پردازش تصوير
    حميدرضا احمدي 2013