آذر ۷, ۱۳۹۹

روش­های پردازش تصویر در بینایی ماشین

شمارش پیکسل: شمارش تعدادی از پیکسل­های تیره و روشن(منظور از پیکسل های تیره و روشن، سطوح خاکستری درتصاویر grayscale می­باشد).

آستانه[۱]:یک تصویر که دارای تن­های متفاوت خاکستری است به سادگی به سیاه و سفید تبدیل می­شود، یا از تفکیک و جداسازی بر پایه یک ارزش مقیاس خاکستری استفاده می­شود.

تقسیم بندی[۲]: پارتیشن­بندی یک تصویر دیجیتالی در داخل بخش­های متعدد برای ساده­سازی و یا تغییر نمایش یک تصویر به طوری­که در قالبی قابل فهم و آسان جهت آنالیز باشد.
کشف حباب و دستکاری[۳] :بررسی یک تصویر برای اینکه حباب­هایی از پیکسل های تصویر که شاخص نشانه­ های[۴] تصویری هستند را مجزا کند. این حباب­ها اغلب نشان دهنده اهداف نوری برای دستگاه (ماشین)، ضبط رباتیک یا کوتاه کردن چرخه تولید می­باشد.

تشخیص الگو[۵]: شامل تطبیق الگو، پیدا کردن، تطابق و یا شمارش الگوهای خاص می باشد. این امر می ­تواند شامل مکان یک جسم باشد که این جسم ممکن است شامل چرخش و یا جزئی پنهان از شیء دیگر یا تفاوت در سایز آن­ها باشد.

بارکد[۶]: ماتریس داده و خواندن کد ۲D

تشخیص کاراکتر نوری[۷]: خواندن خودکار متن مانند: شماره سریال

اندازه گیری: اندازه گیری ابعاد شیء

تشخیص لبه[۸]: پیدا کردن لبه های شیء

پردازش شبکه ­های عصبی[۹]: وزن­دهی و ایجاد تصمیم ­گیری چند متغیره[۱۰]

فیلتر کردن[۱۱]: به عنوان مثال مورفولوژیکی فیلترینگ[۱۲]

۲-۳-۷) خروجی سیستم­های بینایی ماشین

خروجی معمول که در سیستم­های بینایی ماشین به چشم می­خورد، عبور/شکست تصمیمات است. دیگر خروجی­های رایج عبارتند از: موقعیت جسم و اطلاعات مربوط به جهت­گیری از سیستم هدایت ربات است. علاوه بر این، انواع خروجی­ها عبارتند از:

  • داده­های اندازه ­گیری عددی، اطلاعات خوانده شده از کدها و حروف، نمایش روند یا نتایج، تصاویر ذخیره شده، سیگنال­های کنترل فرایند.
  • هدف از بینایی ماشین ایجاد یک مدلی از جهان واقعی از تصاویر می باشد.
  • یک سیستم بینایی ماشین، اطلاعات مفیدی درباره یک صحنه از طریق تصویر دو بعدی که در اختیار داریم را بازیابی می­ کند.
  • جهان سه بعدی است.
  • تصاویر دیجیتالی دو بعدی
  • دانش در مورد اشیاء (نواحی)، در یک صحنه و طرح هندسی مورد نیاز است.
  • اطلاعاتی که به طور متفاوت بسته به نوع کاربردها بازیابی می­شود.
  • تصاویر ماهواره­ای، پزشکی و غیره.

۲-۳-۸) مراحل بینایی ماشین

در نهایت بایستی گفت که مراحل بینایی ماشین را به صورت خلاصه می­توان این­گونه بر شمرد:

  • تبدیل آنالوگ به دیجیتال
  • حذف نویز / الگوها بهبود وضوح
  • پیدا کردن نواحی در تصویر
  • گرفتن سنجش و اندازه­ای از اشیاء و روابط

در نظر گرفتن موارد فوق از طریق توصیف شباهت­هایی از اشیاء شناخته شده (مدل) انجام می­شود.

۲-۳-۹) سرعت واکنش سیستم بینایی ماشین

زمان مورد نیاز برای تصمیم ­گیری توسط ماشین بینایی بستگی به اندازه ماتریس تصویر یا زمان پردازش لازم در کارت تصویرگیر و نوع دوربین دارد. دوربین­هایی نوع لاچکی که با استاندارد Rs-170 کار می­ کنند تعداد ۳۰ تصویر در ثانیه تولید می­ کنند که این تصاویر بر روی مونیتورهای موجود در بازار قابل نمایش هستند. چنانچه از استاندارد Rs-170 استفاده نشود می­توان تعداد تصاویر در ثانیه را پنج تا ده برابر افزایش داد. دوربین­های حالت جامد می­توانند در زمان بسیار کوتاه معادل (میکرو ثانیه تصویرگیری کنند زمان لازم جهت خواندن سیگنال تصویر از سنسور دوربین بستگی به اندازه ماتریس سنسور سرعت پردازش و پهنای باند سیستم دارد. با بهره گرفتن از تکنیک­های پردازش موازی می­توان زمان پردازش را متناسب با تعداد پردازشگرهای موازی کاهش داد.

زمان واکنش سیستم بینایی انسان در حدود ۶% ثانیه یا ۱۶/۱ ثانیه می­باشد این موضوع توسط این حقیقت تائید می­شود که وقتی تصاویر، با سرعت ۳۰ عدد در ثانیه یک صحنه متحرک را نشان می­ دهند چشم انسان قادر به تشخیص انقطاع بین تصاویر نیست .

سیستم­های ماشین بینایی مورد استفاده در صنعت که برای کنترل بر چسب روی بطری­ها بکار می­رود می­توانند با سرعتی معادل ۹۰۰ بطری در دقیقه یا در صورت یک بطری در ۷% ثانیه کار کنند. البته می­توان با گرفتن تصاویری که بیش از یک بطری را در بر می­گیرد سرعت کنترل را بیش از این نیز افزایش داد. سرعت چشم انسان برای انجام کار مشابه حداکثر ۶۰ بطری در دقیقه می­باشد که این سرعت در اثر خستگی و شرایط نامساعد محیطی کاهش نیز می­یابد.
بطور خلاصه تصویرگیری توسط ماشین بینایی تقریبا ۱۰ برابر سرعت بینایی انسان می­باشد این نسبت با پیشرفت تکنولوژی در علوم الکترونیک رو به افزایش می باشد در حالی­که سرعت چشم انسان مقدار مشخصی است سرعت انجام فرایند کامل توسط ماشین بینایی در حدود ۱۵ برابر چشم انسان می­باشد.

۲-۳-۱۰) مقایسه بینایی انسان و ماشین بینایی

در ادامه در قالب یک جدول بینایی انسان را با ماشین بینایی مقایسه می­کنیم.

  1. جدول ۲-۱ مقایسه بینایی انسان و ماشین بینایی

فایل متن کامل این پایان نامه در سایت abisho.ir موجود است.

ماشین انسان
محدود به تنظیمات اولیه ،نیازمند داده های عددی بسیار تطبیق پذیر وانعطاف پذیر در مقابل نوع کار و ورود اطلاعات انعطاف پذیری
قادر به اندازه ­گیری ابعادی می­باشد مثال : طول یک قطعه برحسب تعداد پیکسل قادر به تخمین نسبتا دقیق موارد توصیفی مثل : تشخیص میوه بد از روی رنگ و شکل آن توانایی
اندازه ­گیری مقدار هر یک از R,B بیان توصیفی از رنگ رنگ
حساس به فرکانس و سطح روشنایی

 

قابلیت تطبیق­، باشرایط نوری، خواص فیزیکی حالت

 

ماشین انسان
حساس به خواص فیزیکی سطح جسم ، قابلیت بیان سطح خاکستری به صورت عددی دقیق و مشخص، براحتی قادر به تشخیص ۲۵۶ سطح خاکستری می­باشد. سطح اجسام و فاصله تا جسم، محدودیت در توانایی تشخیص مقدار سطوح خاکستری بستگی به بیننده دارد و ممکن است در یک زمان متفاوت از زمان دیگر باشد مقدار سطوح خاکستری قابل تشخیص بین ۷ تا ۱۰ می­باشد. حساسیت
بسیار بالا که البته بستگی به پردازشگر مورد استفاده و پهنای بانددارد سرعت واکنش در حدود    ثانیه بوده وسرعتهای بالاتر نیز از نظر تکنیکی قابل دسترسی است. سرعت واکنش کند و حداکثر در حدود ۱۰/۱ثانیه می باشد. واکنش
صحنه­های دو بعدی براحتی قابل تشخیص می­باشد ودر صحنه­های سه بعدی براحتی مقدور نیست و نیازمند به ۲ دوربین بوده وسرعت نیز کم است . صحنه­های سه بعدی براحتی قابل درک می باشد. دو و سه بعدی
اطلاعات اخذ شده بطور خودکار و مداوم وارد بانک اطلاعاتی می­شود، انتقال ورود و اطلاعات دقیق و کم هزینه می­باشد. اطلاعات اخذ شده می­بایستی بطور دستی انتقال داده شود هزینه انتقال و ورود اطلاعات زیاد بوده و میزان خطا زیاد می­باشد . خروج داده­ ها
می ­تواند به هر دو صورت خطی و لگاریتمی دریافت کند .

محدوده طیف از طول موج­های پائین پرتو تا طول موج­های بالای مادون قرمز می­باشد .

براساس مقیاس لگاریتمی است و متاثر از رنگ زمینه می­باشد.

محدود به طیف قابل رویت از ۳۰۰ تا ۷۰۰میلی میکرون

دریافت داده­ ها

 

طول موج

 

۲-۳-۱۱) بینایی واتوماسیون کارخانه

وظایف اساسی که می ­تواند توسط سیستم­های ماشین بینایی انجام گیرد شامل سه دسته اصلی است.

  • کنترل
  • بازرسی
  • ورود داده

کنترل در ساده­ترین شکل آن مرتبط با تعیین موقعیت و ایجاد دستورات مناسب می­باشد تا یک مکانیزم را تحریک نموده و یا عمل خاصی صورت گیرد. هدایت نقاله­های هدایت شونده خودکار (AGVS) در عملیات انتقال مواد در یک کارخانه هدایت مشعل جوشکاری در امتداد یک شمایر یا لبه یا انتخاب یک سطح بخصوص برای انجام عملیات رنگ­پاشی توسط ربات، مثل­هایی از بکار­گیری، ماشین­بینایی در کنترل می­باشند. کاربردهای ماشین بینایی در بازرسی مرتبط با تعیین برخی پارامترها می­باشد. ابعاد مکانیکی و همچنین شکل آن، کیفیت سطوح، تعداد سوراخ­ها در یک قطعه، وجود یاعدم وجود یک ویژگی یا یک قطعه در محل خاصی از جمله پارامترهایی هستند که توسط ماشین بینایی ممکن است، بازرسی می­شوند عمل اندازه گیری توسط ماشین بینایی کم و بیش مشابه به­کار‌گیری روش­های سنتی استفاده از قیدها و سنجه­های مخصوص و مقایسه ابعاد می­باشد. سایر عملیات بازرسی به­جز موارد اندازه ­گیری شامل مواردی چون کنترل وجود بر چسب بر روی محصول بررسی رنگ قطعه، وجود مواد خارجی در محصولات غذایی نیز با تکنیک­های خاصی انجام می­گیرد. کار بازرسی ممکن است حتی شامل مشخص نمودن خواص یا ویژگی­هایی الکتریکی یک محصول گردد. با مشاهده خروجی اندازه­گیرهای الکتریکی می­توان صحت عملکرد محصولات الکتریکی را بازرسی نمود. هر چند که در چنین مواردی چنانچه سیستم بینایی کار دیگری به­جز مورد ذکر شده انجام ندهد معمولا روش ساده­تر و مقرون به صرفه­ترین بدین صورت خواهد بود که کار بازرسی فوق توسط یک ریز پردازنده و ابزارهای مربوط انجام گیرد.

اطلاعات مربوط به کیفیت محصول و یا مواد و همچنین تعقیب فرایند تولید را می­توان توسط ماشین بینایی گرفته و در بانک اطلاعاتی سیستم تولید کامپیوتری جامع به­طور خودکار وارد نمود. این روش ورود اطلاعات بسیار دقیق و قابل اعتماد است که دلیل آن حذف نیروی انسانی از چرخه مزبور می­باشد. علاوه بر این ورود اطلاعات بسیار مقرون به صرفه خواهد بود چرا که اطلاعات بلافاصله پس از بازرسی و به عنوان بخشی از آن جمع­آوری و منتقل می­شوند.

میزان پیچیدگی سیستم­های بینایی متفاوت می­باشد این سیستم­ها ممکن است منحصر به یک سیستم بارکدینگ معمولی که برای مشخص نمودن محصول جهت کنترل موجودی به­ کار می­رود تشکیل شده باشد یا ممکن است متشکل از یک سیستم بینایی صنعتی کامل برای اهدافی چون کنترل کیفیت محصول باشد.

 

۲-۴) جمع بندی:

همانطور که بیان شد فناوری RFID یک فناوری رایج و پیشرفته در عرصه شناسایی خودکار اشیاء به شمار می­آید. اما معایبی نیز از جهات مختلف به همراه دارد که این مهم خود باعث شده است تا پژوهشگران به سراغ استفاده از سایر فناوری­های جدید برای شناسایی اشیاء بروند که یکی از این فناوری­های رو به رشد فناوری شناسایی اشیاء از طریق بینایی ماشین است. که در بخش سوم این فصل به صورت کامل در مورد این فناوری، حوزه­های مختلف مربوط به آن و همچنین انواع روش­های به کارگیری این تکنولوژی و انواع الگوریتم­های موجود در این حوزه بحث شد و بیان شد که پایه و اساس بینایی ماشین همان پردازش تصویر می­باشد و در حقیقت بینایی ماشین از پردازش تصویر برای اعمال تصمیم ­گیری استفاده می­ کند و بینایی ماشین بیشتر جنبه­های کاربردی و عملیاتی پردازش تصویر را شامل می­شود.

در فصل آتی الگوریتمی که برای طراحی سیستم خبره مورد نظر در این پژوهش، انتخاب نموده ایم را تشریح کرده و همچنین سیستم خبره مورد نظر که بر پایه این الگوریتم کار می­ کند را نیز به صورت کامل شرح خواهیم داد.

 

[۱] Thresholding

[۲] segmentation

[۳] Blob discovery & manipulation

[۴] Landmarks

[۵] Pattern Recognition

[۶] Barcode

[۷] Optical character recognition

[۸] Edge detection

[۹] Neural net  processing

[۱۰] self-training

[۱۱] Filtering

[۱۲] morphological filtering

یک مطلب دیگر:
تعریف بازشناسی اشیاء

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *