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.

ماشینانسان
محدود به تنظیمات اولیه ،نیازمند داده های عددیبسیار تطبیق پذیر وانعطاف پذیر در مقابل نوع کار و ورود اطلاعاتانعطاف پذیری
قادر به اندازه ­گیری ابعادی می­باشد مثال : طول یک قطعه برحسب تعداد پیکسلقادر به تخمین نسبتا دقیق موارد توصیفی مثل : تشخیص میوه بد از روی رنگ و شکل آنتوانایی
اندازه ­گیری مقدار هر یک از R,Bبیان توصیفی از رنگرنگ
حساس به فرکانس و سطح روشنایی

 

قابلیت تطبیق­، باشرایط نوری، خواص فیزیکیحالت

 

ماشینانسان
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