دانلود با لینک مستقیم و پر سرعت .
مقدمه :
درآمد حاصل از فروش سیستم های ماشین بینایی و متعلقات وابسته در سال 1986 بیش از 400 میلیون دلار بوده و این رقم تا سال 1991 بالغ بر 2 میلیارد دلار شده است. کاربرد ماشین بینایی در مواردی مثل مونتاژ محصولات ، بازرسی و انتقال مواد ، باعث بهبود کارایی این فرایندها خواهد گردید.
عدم اطلاع کافی مهندسین از تکنولوژی ماشین بینایی و عدم آشنایی با توجیه اقتصادی بکارگیری آن موجب شده است که در استفاده از این تکنولوژی تردید و بعضی مواقع واکنش منفی وجود داشته باشد. علیرغم این موضوع ، ماشین بینایی روز به روز کاربرد بیشتری پیدا کرده و روند رشد آن چشمگیر بوده است.
تعداد سیستم های ماشین بینایی نصب شده و در حال استفاده نسبت به تعداد مواردی که می توانند از این تکنولوژی بهره گیرند ، بسیار کمتر است. سازندگان و فروشندگان سیستم های ماشین بینایی بر این عقیده هستند که بجز موارد معدود ، اطلاعات کاربران این سیستم ها بسیار محدود می باشد. در حالی که مفاهیم کلی برای کاربران شناخته شده است ، اطلاع کاربردی کافی در اختیار کاربران نیست تا بتوانند نیازهای خودشان را با تواناییهای ماشین مرتبط و بررسی نمایند.
نظر به اینکه کاربرد ماشین بینایی روز به روز گسترده تر می شود و هم اکنون در برخی از صنایع مونتاژ الکترونیک ، صنایع اتوموبیل سازی و صنایع نساجی این تکنولوژی متداول شده است. لازم می نماید تا صنعت کشاورزی و صنایع غذایی کشور نیز در خصوص بکارگیری این تکنولوژی آشنایی لازم را پیدا کند. استفاده از ماشین بینایی بعنوان یک ابزار کارآمد و انعطاف پذیر در سیستم های اتوماسیون کارخانه های صنایع غذایی اجتناب ناپذیر خواهد بود.
این پژوهش سعی خواهد کرد ضمن معرفی سیستم های ماشین بینایی و پردازش دیجیتالی تصویر و کاربردهای آن در صنایع مربوط به کشاورزی ، به طور اخص به کاربرد آن در سورتینگ تخم مرغ و طراحی سیستم های مربوط به آن (نرم افزار و ...) بپردازد.
فصل اول
پیشینه پژوهش
1 -1 آشنایی با ماشین بینایی و پیشینه استفاده از آن
تکنولوژی ماشین بینایی و تصویر برداری دیجیتالی شامل فرایندهایی است که نیازمند بکارگیری علوم مختلف مهندسی و نرم افزار کامپیوتر می باشد. این فرایند را می توان به چند دسته اصلی تقسیم نمود:
1- ایجاد تصویر به شکل دیجیتالی
2- بکارگیری تکنیکهای کامپیوتری جهت پردازش و یا اصلاح داده های تصویری
3- بررسی و استفاده از نتایج پردازش شده برای اهدافی چون هدایت ربات و کنترل نمودن تجهیزات خودکار ، کنترل کیفیت یک فرایند تولیدی یا فراهم نمودن اطلاعات جهت تجزیه و تحلیل آماری در یک سیستم تولیدی کامپیوتری
در طی سه دهه گذشته تکنولوژی بینایی کامپیوتری بطور پراکنده در صنایع فضایی و بطور محدود در صنعت بکاربرده شده است. جدید بودن تکنولوژی ، نبودن سیستم مقرون به صرفه در بازار و نبودن متخصصین این رشته باعث شده است تا این تکنولوژی بطور گسترده استفاده نشود. تا مدتی قبل دوربین ها و سنسورهای استفاده شده معمولا بطور سفارشی و مخصوص ساخته می شدند تا بتوانند برای منظور خاصی مورد استفاده قرار گیرند. همچنین فرآیند ساخت مدارهای مجتمع بسیار بزرگ (VLSI) آنقدر پیشرفت نکرده بود تا سنسورهای حالت جامد بارزولشن بالا ساخته شود.
استفاده از سنسورهای ذکر شده مستلزم این بود که نرم افزار ویژه ای برای آن تهیه شود و معمولا این نرم افزارها نیز نیاز به کامپیوترهای با توان پردازش بالا داشتند ، علاوه بر همه این مطالب مهندسین مجبور بودند که آموزشهای لازم را پس از فراغت از تحصیل فراگیرند ، زیرا درس ماشین بینایی در سطح آموزشهای متداول مهندسی (لیسانس) در دانشگاهها و به شکل کلاسیک ارائه نمی شد.
تکنولوژی ماشین بینایی در دهه آینده تاثیر مهمی بر تمامی کارهای صنعتی خواهد گذاشت که دلیل آن پیشرفتهای تکنولوژی اخیر در زمینه های مرتبط با ماشین بینایی است و این پیشرفت ها در حدی است که استفاده از این تکنولوژی هم اکنون حیاتی می باشد.
امروزه تمامی شرایط برای فراگیر شدن تکنولوژی ماشین بینایی فراهم شده است. سنسورهای حالت جامد و کامپیوترهای شخصی امروزی به عنوان ابزارهای کارآمد ، مطمئن و ارزان برای پردازش تصویر و تصمیم گیری درباره آن موجود می باشد. دانشگاهها (در آمریکا ) به تعداد کافی مهندسینی را تربیت می کنند که دانش و مهارت کافی در زمینه ماشین بینایی را دارند و بالاخره به دلیل حفظ استانداردها در سطح ملی نیاز به افزایش بهره وری و بهبود کیفیت وجود دارد. علاوه بر این، به دلیل مسائلی از قبیل نیاز به بررسی و دعاوی صنعتی و نیاز به داشتن اطلاعات کامل از محصول در مراحل مختلف بطوری که دسترسی به آن مقدور باشد صنایع تولیدی را وادار می کند تا فرآیند جمع آوری و ذخیره اطلاعات مربوط به محصول در مراحل مختلف تولید را خودکار نماید.
در گذشته بسیاری از فرآیندهای تولید براساس بکارگیری نیروی انسانی و بینایی طراحی شده بودند. در این سیستم ها بینایی انسان به عنوان جزء لاینفک تواناییهای فرآیند بوده است. ورود رباتها به کارخانجات و حذف نیروی انسانی ضرورت اضافه نمودن بینایی مصنوعی به سیستم را ایجاب می نماید. جهت بررسی موضوع نیاز به بکارگیری ماشین بینایی بجای بینایی انسان لازم است تا مطالعه دقیق تری صورت گیرد و توانایی این دو با هم مقایسه گردند.
1-1-1 بینایی و اتوماسیون کارخانه
وظایف اساسی که می تواند توسط سیستم های ماشین بینایی انجام گیرد شامل سه دسته اصلی است:
1- کنترل
2- بازرسی
3- ورود داده
کنترل در ساده ترین شکل آن مرتبط با تعیین موقعیت و ایجاد دستورات مناسب می باشد تا یک مکانیزم را تحریک نموده و یا عمل خاصی صورت گیرد. هدایت نقاله های هدایت شونده خودکار (AGVS) در عملیات انتقال مواد در یک کارخانه ، هدایت مشعل جوشکاری در امتداد یک شیار یا لبه یا انتخاب یک سطح بخصوص برای انجام عملیات رنگ پاشی توسط ربات مثالهایی از بکارگیری ماشین بینایی در کنترل می باشند.
کاربردهای ماشین بینایی در بازرسی مرتبط با تعیین برخی پارامترها می باشد. ابعاد مکانیکی و همچنین شکل آن ، کیفیت سطوح ، تعداد سوراخها در یک قطعه ، وجود و یا عدم وجود یک ویژگی یا یک قطعه در محل خاص از جمله پارامترهایی هستند که توسط ماشین بینایی ممکن است بازرسی شود. موضوع اصلی این پروژه که دسته بندی گوجه فرنگی می باشد نیز با کمک همین وظیفه ماشین بینایی انجام می شود. عمل اندازه گیری توسط ماشین بینایی کم و بیش مشابه بکارگیری روشهای سنتی استفاده از قیدها و سنجه های مخصوص و مقایسه ابعاد می باشد. سایر عملیات بازرسی به جز موارد اندازه گیری شامل مواردی چون کنترل وجود برچسب بر روی محصول (داروئی، غذایی ، ...) بررسی رنگ قطعه وجود مواد خارجی در محصولات غذایی نیز با تکنیک های خاص انجام می گیرد.
اطلاعات مربوط به کیفیت محصول و یا مواد و همچنین تعقیب فرآیند تولید را می توان توسط ماشین بینایی گرفته و در بانک اطلاعاتی سیستم تولید کامپیوتری جامع بطور خودکار وارد نمود. این روش ورود اطلاعات بسیار دقیق و قابل اعتماد است که دلیل آن حذف نیروی انسانی از چرخه مزبور می باشد. علاوه بر این ، ورود اطلاعات بسیار مقرون به صرفه خواهد بود ، چرا که اطلاعات بلافاصله پس از بازرسی و به عنوان بخشی از آن جمع آوری و منتقل می شوند. میزان پیچیدگی سیستم های بینایی متفاوت می باشد. این سیستم ها ممکن است منحصر به یک سیستم بارکدینگ معمولی که برای مشخص نمودن نوع محصول جهت کنترل موجودی بکار می رود، باشد یا ممکن است متشکل از یک سیستم بینایی صنعتی کامل برای اهدافی چون کنترل کیفیت محصول باشد.
2-1-1 بینایی انسان در مقابل بینایی ماشین
نقش بینایی انسان در یک سیستم اتوماسیون صنعتی بسیار پیچیده بوده و نمی توان آن را به عنوان یک سیستم جدا که دارای نقش جداگانه ای است ، در نظر گرفت. سیستم بینایی انسان به عنوان جزئی از یک مجموعه بوده و دارای تاثیرات متقابل بر روی سایر سنسورها می باشد . میزان وابستگی بینایی به سایر سنسورهای بدن مختلف بوده و بستگی به هوشمندی فرد و همچنین سیگنالهای دریافت شده از سایر سنسورهای بدن دارد.
علاوه بر این ، حلقه های بازخور پیچیده ، پاسخ های تطبیقی ، و پردازش سیگنالهای در سطوح مختلف در بخش های مختلف بدن وجود دارد. به عنوان مثال مردمک چشم انسان در مقابل ورود پرتوهایی با مشخصات ویژه حساس می باشد.
خستگی در افراد ، بیماری ، میزان آموزش و دانش آنها در میزان کارایی بینایی انسان تاثیر می گذارند. این تاثیر معمولا بگونه ای است که مقدار آن براحتی قابل اندازه گیری نیست. لذا معمولا اندازه گیری مقایسه ای بر اساس میزان دستیابی به هدف تعیین شود صورت می گیرد.
3-1-1 پارامترهای مقایسه ای
در این قسمت ماشین بینایی بر اساس وظایفی که انجام می دهد و پارامترهای وابسته به آن در ارتباط با فرآیندهای صنعتی یا تولیدی با بینایی انسان مقایسه شده و به بررسی بخش محدودی از نقش هایی که اهمیت بیشترس در کابردهای صنعتی دارند پرداخته می شود.
پارامتر انسان ماشین
انعطاف پذیری بسیار تطبیق پذیر و انعطاف پذیر در مقابل نوع کار و ورود اطلاعات محدود به تنظیمات اولیه ، نیازمند داده های عددی (پیکسلها)
توانایی قادر به تخمین نسبتا دقیق موارد توصیفی مثل تشخیص میوه بد از روی رنگ آن قادر به اندازه گیری ابعاد می باشد مثلا اندازه یک میوه از روی تعداد پیسکهای محیط
رنگ بیان توصیفی از رنگ اندازه گیری هر یک ازمولفه های رنگ(R.G.B)
حساسیت قابلیت تطبیق با شرایط نوری ، خواص فیزیکی سطح اجسام و فاصله تا جسم ، محدودیت در توانایی تشخیص تعداد سطوح خاکستری ، بستگی به بیننده دارد و ممکن است در یک زمان ، متفاوت از زمان دیگر باشد. تعداد سطوح خاکستری قابل تشخیص بین 7تا10می باشد.
حساس به فرکانس و سطح روشنایی حساس به خواص فیزیکی سطح جسم و همچنین فاصله جسم ، قابلیت بیان سطح خاکستری بصورت عددی دقیق و مشخص ، براحتی قادر به تشخیص 256 سطح خاکستری می باشد.
واکنش سرعت واکنش کند و حداکثر در حدود ثانیه می باشد. بسیار بالا که البته بستگی به پردازشگر مورد استفاده و پهنای باند دارد. سرعت واکنش در حد 001/0 ثانیه بوده و سرعت های بالاتر نیز از نظر تکنیکی قابل دسترسی است.
دو و سه بعدی صحنه های سه بعدی به راحتی قابل درک می باشند صحنه های دو بعدی براحتی قابل تشخیص می باشد ولی صحنه های سه بعدی براحتی مقدور نیست و نیازمند به 2 دوربین بوده و سرعت نیز کم است.
خروج داده ها اطلاعات اخذ شده می بایستی بطور دستی انتقال داده شود. هزینه انتقال ورود اطلاعات زیاد بوده و میزان خطا زیاد می باشد. اطلاعات اخذ شده بطور خودکار و مداوم وارد بانک اطلاعاتی می شود، انتقال و ورود اطلاعات دقیق و کم هزینه می باشد.
دریافت داده ها براساس مقیاس لگاریتمی است و متاثر از رنگ زمینه می باشد. می تواند به هر دو صورت خطی و لگاریتمی دریافت نماید.
طول موج محدود به طیف قابل رویت از 300 تا700 میلی میکرون محدوده طیف از طول موجها پایین پرتو x تا طول موج های بالای مادون قرمز می باشد.
عامل مهم در استفاده از ماشین بینایی در مقایسه با بکارگیری نیروی انسانی افزایش توانمندی و بهبود کارایی می باشد. توجه خاص به آن دسته از کاراییهای ماشین بینایی که خارج از توانایی انسان می باشد، می تواند بیانگر توجیه استفاده از ماشین بینایی در فرآیند های تولیدی می باشد.
4-1- 1 ملاحظات اقتصادی
هر گونه پیشنهاد مبنی بر استفاده ماشین بینایی برای منظور خاص می بایستی بر اساس تاثیر اقتصادی آن در کاربرد مورد نظر باشد. توجیه اقتصادی بکارگیری ماشین بینایی شامل دو جنبه می باشد: اولا تاثیر آن بر روی بهبود دهی فرایند و ثانیا هزینه های مستقیم تولید . امکان بهبود کیفیت محصول از طریق انجام بازرسی 100 درصد محصول و کنترل پارامترهای مورد بازرسی در مورد تک تک محصولات می تواند نقش مهمی در توجیه اقتصادی کاربرد ماشین بینایی داشته باشد. در همین حال ممکن است با بکارگیری ماشین بینایی هزینه واحد محصول ، کاهش پیدا کرده و بهره وری افزایش یابد.
2-1 کاربرد های ماشین بینایی در کشاورزی
کامپیوتری کردن تولید (CIM) یک موضوع با اهمیت در پیشرفت صنایع کشاورزی و غذایی محسوب می شود. ماشین بینایی به عنوان یک ربات در این پیشرفت نقشی موفقیت آمیز داشته و مهندسین کشاورزی و صنایع غذایی را در بهبود عملیات تولید دلگرم کرده است. به همین دلیل بیش از 20 سال است که تحقیقات گسترده ای پیرامون کاربردهای ماشین بینایی در کشاورزی و صنایع غذایی انجام شده است.
بیشتر این تحقیقات به کاربرد این سیستم در نظارت و کنترل کیفیت محصول معطوف شده است. روشهای مرسوم نظارت ، به حواس انسانی وابسته است، در بیشتر موارد این کنترل دستی بسیار وقت گیر و طاقت فرسا بوده و بعلاوه دقت آن را نمی شود ضمانت کرد.
ماشین بینایی ، علاوه بر بینایی در محدوده مرئی ، توانایی دیدن در محدوده نامرئی(ماوراء بنفش، نزدیک مادون قرمز و مادون قرمز ) را نیز دارد ، اطلاعات قابل دریافت از جسم در ناحیه نامرئی می تواند در تعیین گرمای داده شده به گیاه بالغ ، تشخیص امراض گیاهی ،... مفید باشد. همچنین در تعیین وارتیه ، بلوغ ، رسیدگی و کیفیت گیاهان و سبزیجات قابل استفاده است.
سادگی ، قیمت پایین ، سرعت ، دقت بالا ، غیر مخرب بودن ، داشتن بازده بالا و امکان استفاده گسترده در کشاورزی از مزایای استفاده از این سیستم می باشد. همچنین قابلیت استفاده از اشعه X و MRI در تعیین بیماریها یا نقصهای دیگر را نیز می توان به آن اضافه کرد.
با سرعت و دقت بالای سیستم های بینایی ، صنعت کشاورزی و صنایع غذایی در سطح جهان تمایل فراوان به تعویض سیستم های نظارت دستی خود با این سیستم پیشرفته پیدا کرده است.
1-2-1 کاربرد در تشخیص کیفیت میوه ها :
نظارت بر کیفیت میوه ها به دو منظور انجام می شود: ارزیابی کیفیت و پیدا کردن نقوص. قدیمی ترین پژوهش در این زمینه پیرامون سیب انجام شد پس ازآن به سایر میوه ها نیز گسترش یافت. سیستم بینایی می تواند در طبقه بندی از لحاظ شکل ، پیدا کردن نقوص ، درجه بندی از لحاظ کیفیت و کلاس بندی واریته ، ایفا نقش کند. رنگ ، شکل، بافت و اندازه فاکتورهای اصلی در نظارت کیفی سیستم بینایی می باشند.
تصاویر RGB (Red –Green – Blue) یک مورد بسیار مرسوم در این کاربرد می باشد. بیشتر الگوریتمهای سیستم بینایی میوه ها ، مبتنی براین سیستم می باشند. وقتی تمام تصاویر با سه رنگ ارائه شوند میزان اطلاعات 3 برابر می شود و پردازش صحیح تری را می توان بر روی آن انجام داد. مدل دیگر تصاویر رنگی HIS(Hue ,Stauration,Intensity)می باشد. بعضی ازپژوهشگران این سیستم را به سیستم RGB ترجیح می دهند. از جمله پژوهشهایی که در این زمینه انجام شده عبارتند از :
- نمایش ساختمان و شکل میوه سیب و سیب زمینی با دقت بالا (Morimoto et al 2000)
(تصویر 1-1)
- ترکیب سنسورهای NIR و ماشین بینایی برای تعیین مقدار SUGER در سیب Steinmetz et al 1999
(تصویر 2-1)
- آنالیز بافت پرتقال بوسیله ماشین بینایی. نتایج این تحقیق نشان داد که این متد مقدار شیرینی پرتقالها را پیش بینی کند. (kondo 1995)
- ارزیابی رسیدگی هلو بوسیله آنالیز رنگ ، این روش مبتنی بر مقایسه رنگ پوست هلو با رنگ پوست یک هلو ( به عنوان مرجع) بود. هر چند دقت این طرح تنها 54% بود. (Millen l Delmiche 1989)
- تشخیص مقدار سفتی گلابی (Dewulf et al 1999)
2-2-1 کاربرد در کنترل کیفیت سبزیجات
بعضی از طرح هایی که در این زمینه ارائه شد عبارتند از :
- تشخیص خواص گوجه فرنگی از قبیل اندازه ، رنگ ، شکل و ناهنجاریها بوسیله پردازش تصویر و ارتباط خواص با کیفیت درونی آن
(Nielsen et al 1998)
(تصویر 3-1)
(تصویر 4-1)
- بررسی وپیدا کردن معایب مارچوبه (Rigney et al 1992)
- تشخیص بیماریهای قارچی با عملیات پردازش رنگ(Vizhany and Felfoldi 2000)
- طبقه بندی هویج از لحاظ معایب سطحی ، پیچش ، کجی و شکستگی (مقدار اشتباه کمتر از 15% گزارش شد. )
(Howath searay 1992)
3-2 -1 طبقه بندی و ارزیابی کیفیت حبوبات
پژوهشهایی که در این زمینه صورت گرفته عبارتند از :
- اندازه گیری سریع و با دقت درجه آسیاب شدگی گندم با استفاده از متد آنالیز دیجیتال تصویر (Liu et al 1997)
- اندازه گیری مقدار سفیدی دانه ذرت ( این فاکتور در تعیین قیمت دانه ذرت با اهمیت است.)
(Liu and Poulsen 1997)
- اندازه گیری بزرگی دانه حبوبات (Ni et al 1997)
- تشخیص دانه های آسیب دیده حبوبات با 5% خطا
(Ng et al 1997)
- پیدا کردن زخم شدگی یا فاسد شدگی دانه گندم
)Ruan et al 1997)
- پیدا کردن لکه های تترازولیوم(tetrazolium) در دانه های ذرت (Xie Paulsen 1997)
4-2 -1 کاربرد در سایر تولیدات غذایی
- درصد پف کردگی پیتزا و همچنین شیوه برش آن بوسیله ماشین بینایی با دقت 90%Sun 2000))
- ارزیابی مقدار تو خالی بودن مواد غذایی سرخ شده با دقت 100% (Yin and panigrohi 1997)
- پیش بینی نازک و لطیف بودن گوشت گاو ( با دقت کمتر از 70%) )Li et al 1997)
- تشخیص کیفیت گوشت خوک از روی رنگ آن (Lu et al 1997)
5-2-1 تکنیکهای سه بعدی (3-D)
تصاویر در کل به شکل دوبعدی (2-D) نمایش داده می شوند. اما تکنیکهای جدید این امکان را برای ما فراهم می کنند که از تصاویر دو بعدی ، استنتاجی سه بعدی داشته باشیم. (Son kg 1999) این سیستم جدید برای نظارت در محصولات غذایی بسیار مفید می باشد.
در سال 1998 این متد با الهام از قواعدی که در شبکیه چشم انسان برقرار است پیشرفت کرد.(Kanali 1998) در این تحقیق تعدادی تصویر از بادمجان و پرتقال گرفته شد و بوسیله الگوریتم خاصی به شکل سه بعدی شبیه سازی شد . در طبقه بندی به این شکل ، دقت تا 96% افزایش پیدا کرد.
با این حال ، این متد برای پیشرفت ، نیاز به زمان بیشتری دارد. زیرا فرضیه های هندسی در شبیه سازی های سه بعدی (3-D) دقت لازم را ضمانت نمی کنند.
6-2-1 نتیجه استفاده از سیستم های بینایی ماشین در کشاورزی
موفقیت در بازدید کیفی سریع و با دقت در کشاورزی و صنایع غذایی نشان می دهد که ماشین بینایی ، یک وسیله مناسب در افزودن بهره وری تولید می باشد. هر چند این تکنولوژی جدید برای کارآمد شدن نیاز به پیشرفت بیشتری دارد.
3-1 طرح یک خط مکانیزه تولید تخم مرغ
امروزه استفاده از خطوط تولید مکانیزه ، علاوه بر افزایش بهره وری، در بهبود کیفیت بهداشتی تولیدات غذایی نیز نقش به سزایی را ایفا می کند. استفاده گسترده شرکت های تولیدی در سراسر جهان ، از این خطوط تولید ، نشان دهنده بازده اقتصادی این کاربرد علاوه بر مزایای پیش گفته است. با این حال ، در کشورها هنوز بسیاری از مراحل تولید به صورت دستی انجام می شود و مکانیزاسیون خطوط تولید ، یکی از موارد مورد نیاز برای پژوهش گسترده به نظر می رسد.
صنعت مرغداری و تولید تخم مرغ ، یکی از صنایعی است که در مکانیزه کردن آن در کشور ، تلاش چندانی صورت نگرفته است و این در حالی است که به ماشینی کردن این صنعت نیاز فراوانی احساس می شود. در این بخش یک سیستم مکانیزه تولید تخم مرغ بصورت کلی و طرح پیشنهادی برای مکانیزه کردن یکی از مراحل آن به صورت جزیی مورد بررسی قرار می گیرد. امید است که این پژوهش گامی هر چند کوچک در راه مدرنیزه کردن بخشهای تولیدی بر دارد.
1-3 -1 اجزاء یک مرغداری مکانیزه به همراه بخش بسته بندی
بطور کلی یک واحد مکانیزه تولید تخم مرغ ، شامل مراحل زیر می باشد.
1-1-3-1 مرحله تولید شامل دو قسمت است:
الف) قسمت تهیه و نگهداری خوراک
ب) سوله های نگهداری مرغها
(تصویر5-1)
در یکی از سیستم های مورد بررسی حداقل طول این سوله 500 فوت بوده و در هر کدام حدود 150 هزار مرغ تخم گذار نگهداری می شوند. مرغها در ردیف های شیب دار با کف توری شکل زندگی می کنند که در هر ردیف محل آبخوری و خوراکدهی پیش بینی شده است. تخم مرغ ، پس از خارج شدن از بدن مرغ داخل شیارهایی با شیب معین می افتند که این شیارهای شیب دار ، تخم مرغ ها را به انتهای ردیف می رساند. در پایان ردیف ، جمع کننده های اتوماتیک تخم مرغها را به داخل محفظه های پلاستیکی هدایت می کنند.
2-1-3 -1 مرحله شستشو
پس از انتقال محفظه های محتوی تخم مرغ به بخش آماده سازی تخم مرغها برای انجام سایر مراحل بر روی نقاله (اول خط) قرار می گیرند. نقاله تخم مرغها را برای شستشو به این بخش راهنمایی می کند و در این بخش تخم مرغها بوسیله یک شوینده ملایم و بهداشتی با آب 120 درجه فارنهایت شسته می شود.
(تصویر 6-1)
3-1-3-1 مرحله درجه بندی
در این مرحله تخم مرغها بوسیله سیستم کامپیوتری طبقه بندی می شوند. دراین درجه بندی تخم مرغها به چند درجه (AA,A,B) و همچنین درجه کیفیت پایین تر از استاندارد طبقه بندی می شوند. این درجه بندی می تواند بر اساس کیفیت درونی و بیرونی تخم مرغ و همچنین سایز آن انجام شود. مشخصات درونی مانند (سفیده، زرده و حفره هاوایی داخلی) و مشخصات بیرونی شامل شکل، بی نقص بودن پوست تخم مرغ و پاکیزگی آن دارای اهمیت می باشند.
(تصویر7-1)
4-1-3-1 مرحله بسته بندی
پس از درجه بندی ، تخم مرغها وارد بخش بسته بندی می شوند. در این مرحله تخم مرغها بر روی صفحه های بسته بندی قرار می گیرند . در یکی از سیستم های مورد بررسی رنگ این صفحه ها نشان دهنده سایز بخصوصی از تخم مرغ می باشد. پس از این مرحله تخم مرغها ، آماده برای ارسال به بازار می باشند.
(تصویر 8-1)
فصل دوم
مواد و روشها
1-2 مفاهیم اولیه پردازش تصویر
در ابتدای این بخش به علائم و اصلاحات مورد استفاده در پردازش تصویر می پردازیم: به طور کلی پردازش دیجیتالی تصویر ممکن است برای دستیابی به یکی از اهداف زیر مورد استفاده قرار گیرد:
1- بهبود دهی ویژگیها 2- استخراج اطلاعات
1-1-2 پیکسل
هر تصویر توسط یک ماتریس M * N از مقادیر پیسکلها (المانهای (j و i)P با مقادیر اسکالر نامنفی) که بیانگر شدت نور تابیده شده از جسم بر سطح پیکسل واقع در موقعیت y) و (x می باشد تعریف می شود. این مطلب در شکل 1-1-2 نشان داده شده است. در این شکل ارتباط بین المان تصویر و پیکسلهای ماتریس نشان داده شده است. مبدأ مختصات استفاده شده برای تصویر و ماتریس با یکدیگر فرق دارند، مبدأ مختصات تصویر درگوشه چپ پایین قرار دارد در حالیکه مبدأ مختصات پیکسلها در گوشه چپ بالای ماتریس قرار دارد.
شکل1-1-2)a- رابط بین المانهای تصویر b- پیکسلهای متناظر در ماتریس
افزایش y=Dy/M افزایش x=Dx/N
حداکثر تعداد پیکسلها در یک سطر = M حداکثر تعداد پیکسلها در یک ستون = N
مقدار عددی پیکسل عبارت از میانگین شدت نور تابیده شده بر سطح پیکسل می باشد. مقدار هر پیکسل P(i,j) بین 0 و 1 می باشد.
2-1-2 پنجره
یک بخش یا ناحیه از تصویر را یک پنجره گویند. پنجره توسط مختصات نقاط چهارگوشه آن بیان می شود. (شکل 2-1-2)
تصویر 2-1-2) یک پنجره از تصویر و پنجره متناظر آن در ماتریس پیکسلهای تصویر
3-1-2 مکان پیکسل
یک پیکسل متعلق به ماتریس M N در ساده ترین شکل توسط مختصاتش بیان می شود. پیکسل واقع در مکان m) و (n از یک ماتریس دارای مقدار عددی می باشد که همانگونه که قبلا ذکر شد این مقدار بیانگرمقدار نور تابیده شده از بخشی از سطح به پیکسل مربوطه می باشد.
به عنوان مثال تصویری را در نظر بگیرید که در قسمت بالای آن هیچگونه نوری وجود ندارد (سیاه کامل) و قسمت پایین آن بسیار روشن می باشد (سفید کامل) و این تصویر دارای ابعاد 10*10 می باشد. اگر از یک سیستم دودوئی برای نشان دادن تصویر استفاده شود، آنگاه ناحیه ای که در آن هیچ نوری وجود ندارد توسط عدد صفر و قسمت روشن با مقدار یک مشخص خواهد شد (شکل 3-1-2) چنانچه از یک ماتریس 4*5 یعنی دارائی 5 ردیف و 4 ستون از پیکسلها استفاده شود. هر المان 2*5/2 (پهنا * ارتفاع) اینچی از تصویر توسط یک پیکسل بیان خواهد شد که مقدار آن بستگی به میانگین نور تابیده شده بر سطح آن دارد.
تصویر 3-1-2-a)نورپردازی نایکنواخت برای یک سطح b) مقادیر متناظر پیکسلها به ازای تصویر
سطح 2*5/2 اینچی واقع در گوشه بالای سمت چپ که با موقعیت (1و1) در ماتریس 4*5 المانی مشخص می شود با مقدار صفر بیان می شود که معنی آن این است که هیچگونه نوری از این قسمت دریافت نشده است سطح 2*5/2 اینچی واقع در گوشه پایین سمت راست تصویر یعنی المان واقع در ستون چهارم و ردیف پنجم (مختصات (4و5) ) با مقدار یک یعنی حداکثر دریافت نور بیان می شود. بایستی توجه داشت که چنانچه از یک سیستم که دارای 16 سطح خاکستری است استفاده می شد آنگاه مقدار پیکسل (1و1) برابر صفر و مقدار پیکسل (4و5) برابر 16 می بود.
مشاهده می شود که هیچگونه اطلاعاتی در مورد مقادیر میانی سطح وجود ندارد و طرح سیستم بایستی یک حد آستانه را مشخص نماید تا مقادیر زیر حد آستانه (کمتر از مقدار مشخص نورپردازی) توسط عدد صفر و مقادیر بالای حد آستانه توسط عدد یک بیان شوند.
در مثال ذکر شده شکل المانها تصویر مستطیلی در نظر گرفته شدند. ولی بسته به نوع سنسور ممکن است المانها به صورت مستطیلی یا دایره ای در نظر گرفته شوند. در مورد دوربینهای لامپی با سطح سنسور دایره ای ممکن است المانها قدری همپوشانی داشته باشند مانند شکل4-1-2.
شکل 4-1-3) المانهای غیر مستطیلی a) المانهای گرد مجزا b) المانهای گرد دارای همپوشانی
در هنگام استفاده از المان های مدور مجزا(بدون هم پوشانی ) نور از سطح تصویر که در پیرامون دوایر قرار می گیرند، اندازه گیری نمی شود.در حالی که وقتی ازالمانهای با همپوشانی استفاده می شود بخشهایی از تصویر دوبار اندازه گیری می شود. بایستی توجه داشت نمی توان هیچگونه اطلاعاتی در مورد شکل سطحی از تصویر که توسط یک پیکسل نمایش داده می شود بدست آورد و همچنین نمی توان از مقدار یک پیکسل اطلاعاتی درباره توزیع نور بر سطح آن پیکسل به دست آورد (مقدار پیکسل فقط بیانگر میانگین نور تابیده شده است).
4-1-2 سطح خاکستری
برای اینکه بتوان مقادیر میانی بین روشن و تاریک کامل را بیان نمود و اطلاعات تصویر کاملتری به دست آورد لازم است تا تعداد بیتهایی که مقدار پیکسل را نشان می دهد افزایش داد. به عنوان نمونه چنانچه قرارباشد شدت نورپردازی را با چهار شدت مختلف بیان نمود لازم است تا از دو بیت دودوئی استفاده نمود. به همین ترتیب برای 16 سطح نیاز به 4 بیت و برای 256 سطح نیاز به 8 بیت می باشد. تعداد مجموع سطوح خاکستری معمولا به صورت توانی از عدد 2 می باشد. کمترین مقدار پیکسل یعنی صفر برای سیاه کامل بکار می رود و مقدار یک یا عددی برابر یکی کمتر از تعداد سطوح خاکستری سیستم برای سفید کامل استفاده می شود، متلا عدد 15 برای بیان سفید کامل در یک سیستم 16 سطحی بکار می رود. مقادیر پیکسلها همواره مقادیر صحیح می باشند.
سطح خاکستری دامنه مقدار خاکستری
21 2 مقدار 0و1
23 8 مقدار از 0 تا 7
24 16 مقدار از 0 تا 15
28 256 مقدار از 0 تا 255
سیستمهای اولیه ماشین بینایی فقط دودویی بودند. به همین دلیل سنسورهای استفاده شده بسیار ساده بودند. علاوه برآن جمع آوری داده ها، پردازش و ذخیره ساز تصویری ساده تر بود. اغلب ریزپردازنده های امروزی حداقل 8 بیتی هستند. لذا سیستمهای 16 ، 64 و 256 سطح خاکستری متداول می باشند. استفاده از سیستمهایی با سطوح بیشتر از 256 چندان مفید نبوده و برای اکثر کاربردهای صنعتی فعلی، سیستمهایی با 256 سطح کفایت می کنند. سیستمهای 64 و 256 سطحی تعداد سطوح بیشتری از آنچه توسط چشم انسان قابل تشخیص است را فراهم می کنند. چشم انسان قادر است در هنگام مقایسه بین رنگهای مختلغ خاکستری تا 40 سطح مختلف بین سفید و سیاه کامل را تشخیص دهد ولی به طور مطلق (بدون مقایسه) قادر به مشخص نمودن 10 تا 15 سطح بیشتر نیست. قدرت تمایز یک سیستم 16 سطحی قدری کمتر از چشم انسان می باشد. در حالیکه سیستمهای 64 و 256 سطحی قدرت تمایز بیشتری از چشم انسان دارند.
اگر چه سیستم بینایی استفاده شده در یک کاربرد خاص ممکن است دارای 256 سطح باشد ولی بنا به دلایلی ممکن است لازم باشد تا تعداد سطوح متفاوت استفاده شود. برای دستیابی به دقت یا تلرانس مورد نیاز از تکنیکهای اعشار پیکسل با دقت 1/9، 1/13 یا 1/20 پیکسل ممکن است استفاده شود. در این صورت سیستمی با سطوح 9، 13 یا 20 بکار گرفته می شود.
تعداد سطوح خاکستری با واضح تر جلوه دادن بعضی از ویژگیهای تصویر یا حذف برخی از جزئیات بر روی کیفیت تصویر تأثیر می گذارند. در حالت کلی افزایش تعداد سطوح خاکستری باعث بهبود کیفیت تصویری شده و این امکان را به وجود می آورد تا بتوان بخشهای خاصی از تصویر را بهبود داد. تصویرگیری به صورت تصاویر دودویی نیازمند حافظه کمتری می باشد امکان استفاده از تکنیکهای بسط سطوح خاکستری در هنگام پردازش تصویر را محدود می کند. افزایش تعداد پیکسل های تصویر از مقادیر کم شبیه 32*32 به 250*250 رزولوشن متفاوت از بزرگ کردن تصویر توسط عدسی می باشد. با بزرگ کردن تصویر توسط عدسی فقط اندازه پیکسل افزایش می یابد.
سیستمهای دارای سطوح بیشتر از 2 اولا این امکان را فراهم می کنند تا سطوح متفاوت شدت نور تابیده شده را تفکیک نمود ثانیا امکان بهره گیری از تکنیک اعشار پیکسل را فراهم آورده که می تواند در اندازه گیری دقیق ابعاد اجسام از آن بهره جست. در شکل 5-1-2 استفاده از ماشین بینایی با نورپردازی از پشت را برای اندازه گیری طول قطعه نشان می دهد. گوشه های قطعه در شکل نشان داده شده در موقعیتهای (2،2) و (4،2) و (4،4) قرار دارند.
شکل 5-1-2 ) a) شی بر روی میز نور b) نمایی از بالا c) داده های تصویری متناظر. نقاط سیاه با صفر و نقاط سفید با 15 نشان داده شده اند.
(c داده تصویری متناظر. نقاط سیاه با صفر و نقاط سفید با 15 نشان داده شده اند در یک تحلیل سلول به سلول (پیکسل به پیکسل ) مشاهده می شود که سطح نشان داده شده توسط پیکسل (4 و 2) یک سطح تاریک بوده و لذا مقدار پیکسل برابر صفر خواهد بود. در حالیکه فقط نصف سطح پیکسل (4و2) توسط جسم پوشانده شده است. از ااین رو میانگین نور دریافت شده برابر 2 (15+0) یا 5/7 خواهد بود. تمامی سطوح کناری روشن بوده لذا مقادیر پیکسل های مربوطه برابر 15 خواهد بود (حداکثر مقدار در یک سیستم دارای سطوح از صفر تا 15).
با توجه به اینکه مقادیر پیکسل ها بایستی اعداد صحیح باشند 5/7 بایستی تبدیل به یک عدد صحیح گردد. در هر سیستمی بایستی نحوه تبدیل اعداد اعشاری به اعداد صحیح (فاعده گرد کردن) مشخص باشد. به عنوان مثال یک قانون کلی می تواند این باشد که از روش گرد کردن ریاضی استفاده شود یعنی اعداد اعشاری با جزءاعشاری بین 5/0 تا 1 به عدد صحیح بالاتر و اعداد با جزء اعشاری کوچکتر از 5/0 به عدد صحیح کوچکتر گرد شوند. از این رو، مقدار 5/7 در مثال فوق بایستی به عدد 8 گرد شود. یا اگر مقدار پیکسل 6/6 به عدد 7 گرد خواهد شد. انتخاب حد آستانه برای گرد کردن مهم بوده و بر روی تلرانس اثر می گذارد تا اطلاع از این مقدار نیز مهم می باشد.
5-1-2 خطای کوآنتایز کردن
گرد کردن مقادیر پیکسل ها به اعداد صحیح باعث خواهد شد تا دقت مقادیر کم شود که این کم شدن دقت تابعی از قاعده گرد کردن می باشد.
قاعده گرد کردن اعداد اعشاری به عدد صحیح بعدی برای یک سیستم 16 سطحی در شکل6-1-2 نشان داده شده است حاصل این روش گرد کردن این است که همواره اندازه های گرفته شده مساوی یا قدری بزگتر از اندازه واقعی خواهند بود.
با استفاده از تکنیک اعشار پیکسل و دانستن قاعده گرد کردن می توان ابعاد اجسام و تلرانسهای اندازه گیری را مشخص کرد. اندازه x در شکل 7-1-2 برابر 4 پیکسل کامل و یک پیکسل نیمه کامل می باشد و اندازه y یک پیکسل است.
پیکسل / اینچ 100/0 * 16/12 * پیکسل ناکامی 1+ پیکسل /اینچ 100/0 * پیکسل 4= x
عامل 16/12 عبارتست از:
اینچ 475/0 = اینچ 075/0 + اینچ 400/0 = X
اینچ 100/0 = پیکسل /اینچ 100/0 * پیکسل 1= Y
شکل 6-1-2) خطای کوانتایزکردن (گرد کردن)
شکل 7-1-2- a) مقدار پیکسلهای به ازای شی نشان داده شده به سیستم b) شی با شکل منظم هندسی بر روی میز نوری
تلرانس اندازه گیری با توجه به قاعده گرد کردن مشخص شود. به عنوان مثال یک پیکسل با مقدارn بیانگر مقداری است از x/10تا 0/11و x مقداری است بزرگتر از صفر و کوچکتر یا مساوی یک به همین ترتیب یک پیکسل با مقدار 15 می تواند هر مقداری بین x/14 تا 15 باشد به طور خلاصه
مقدار پیکسل در ماتریس تصویر مقدار واقعی پیکسل
صفر = صفر
1 = مقدار پیکسل
11 = مقدار پیکسل
15 = مقدار پیکسل
همانگونه که مشاهده می شود خطای اندازه گیری به گونه ای است که شیء نمی تواند بزگتر از اندازه خوانده شده توسط سیستم باشد. اما ممکن است به اندازه حداکثر یک پیکسل کوچکتر از اندازه خوانده شده باشد. در امتداد xها هر دو انتهای شیء مورد اندازه گیری در شکل 7-1-2 ممکن است به اندازه یک پیکسل دارای خطای اندازه گیری باشد. در حالی که در امتدار Yها فقط امکان حداکثر یک پیکسل خطا وجود دارد.
تلرانس یا میزان احتمالی خطا در ابعاد جسم عبارتست از:
اینچ 0125/0 = پیکسل / اینچ 100/0* 16/1 * پیکسل 2- اینچ 0/0 + = x
اینچ00625/0 = پیکسل / اینچ 100/0 * 16/1 * پیکسل 1- اینچ 0/0 + = y
ابعاد شیء برابر خواهد بود با
0125/0 – اینچ 0/0 475/0 = x
00625/0 – ابنچ 0/0 + 100/0 = y
در روش گرد کردنی که عدد اعشاری به عدد صحیح بزگتر یا کوچکتر تبدیل می شود (بسته به تعداد اعشار و قاعده گردکردن) بایستی یک مقدار به عنوان مرز و حد واسط مشخص گردد که اعدادی که کمتر از آن هستند به عدد صحیح کوچکتر و اعدادی که از آن بیشتر هستند به عدد صحیح بزرگتر گرد شوند. به این عدد که به عنوان مرز انتخاب می شود اصطلاحاٌ حد آستانه گویند. در چنین روش گرد کردنی که از یک عدد بینابین به عنوان حد آستانه استفاده می شود ابعاد اندازه گیری ممکن است دارای خطای مثبت و یا منفی باشند.
چنانچه از حد آستانه 5/0 برای گرد کردن استفاده شود. آنگاه به عنوان مثال مقادیر بزرگتر از عددی مثل 5/6 به عدد 7 گرد خواهند شد و مقادیر بین 6 و 5/6 (شامل خود 5/6) به عدد صحیح کوچکتر یعنی به عدد 6 گرد خواهد شد و مقدار تلرانس یا خطای احتمالی می تواند مثبت یا منفی باشد که مقادیر این خطا چه مثبت و چه منفی مساوی بوده و برابر (حداکثر تعداد سطوح خاکستری *2)/1 خواهد بود ، لذا هر چه تعداد سطوح خاکستری بیشتر باشد خطای گرد کردن کوچکتر خواهد بود.
1-5-1-2 خطای اندازه گیری
اندازه یک شیء در یک تصویر از شمردن تعداد پیکسل های تصویر در امتداد مورد نظر به دست می آید. اگر چنانچه از نورپردازی از پشت استفاده شده باشد تصویر به صورت سیاه یا سفید خواهد بود و هر پیکسلی که مقداری به جز مقادیر مرتبط با سیاه یا سفید داشته باشد یعنی دارای مقادیر میانی باشد. در اثر این است که تمام سطح پیکسل توسط تصویر شیء پوشانده نشده است. دقت اندازه گیری ابعاد متاثر از خطای کوآنتایز کردن مقادیر پیکسل های انتهای تصویر شیء می باشد.
اندازه یک شیء مستطیلی که تصویر آن توسط یک سیستم 16 سطحی با ابعاد پیکسل 1/0 1/0 اینچ و با نورپردازی از پشت تشکیل شده است. با جمع کردن ابعاد تمامی پیکسل هایی که به طور کامل پوشانده شده اند به علاوه اندازه بخشی از پیکسلی که قسمتی از آن پوشیده است و لذا دارای مقادیر میانی می باشد. مطابق شکل 7-1-2 و با گردکردن مقداری میانی طبق قاعده گرد کردن تعیین می شود.
در یک سیستم نورپردازی از پشت، اجسام با شکلهای مختلف و متعدد ممکن است مقادیر میانی یکسانی را برای پیکسل ها ایجاد نمایند (شکل 8-1-2) در داده های تصویری 3 پیکسل با مقدار 7 مشاهده می شود که این پیکسل ها آن قسمتی از تصویر را نشان می دهند که تمامی سطح پیکسل توسط تصویر جسم پوشانده نشده است. 50% سطح پیکسل (5 ، 4) توسط انتهای مورب با زاویه 45 پوشانده شده است. 50% سطح پیکسل (6 ،3) توسط انتهای لبه قائم که فقط بخشی از سطح پیکسل را پر کرده پوشانده شده است و نهایتا 50% پیکسل (2 ، 3) توسط بخشی که اطراف یک سوراخ را احاطه کرده پوشانده شده است. در هنگام تحلیل مقادیر ماتریس تصویر یا هدف تحلیل اندازه ها و تلرانس اندازه گیری لازم است تا شکل هندسی جسم مورد اندازه گیری از قبل معلوم باشد.
شکل 8-1-2-a) شی با شکل نامنظم بر روی میز نوری b) مقادیر پیکسلها در تصویر مربوطه
6-1-2 هیستوگرام
به نموداری که تعداد تکرار سطوح مختلف خاکستری در یک تصویر را نشان دهد هیستوگرام گویند. در این نمودار محور x ها نشان دهنده هر یک از سطوح خاکستری و محور y ها تعداد پیکسل های متناظر با سطوح خاکستری مختلف می باشند. (شکل 9-1-2)
شکل 9-1-2) هیستوگرام برای یک تصویر شامل 5*4 پیکسل و سیستم 8 سطحی
هیستوگرام بدین گونه ساخته می شود که:
1- داده های تصویری به صورت دیجیتال درآورده می شود.
2- تعداد پیکسل های در هر یک از سطوح خاکستری شمرده می شوند و
3- نمودار تعداد تکرار پیکسل ها در هر یک از سطوح خاکستری ترسیم می گردد.
نمودار می تواند به صورت میله ای باشد که ارتفاع هر یکاز میله ها بیانگر تعداد پیکسل در آن سطح خاکستری خاص می باشد. مقدار هیستوگرام در یک مقدار مشخص از پیکسل بیانگر احتمال وقوع آن خاکستری در هر یک از المانهای تصویر می باشد از این گراف هیچ اطلاعاتی در خصوص مکان پیکسل ها نمی توان به دست آورد. احتمال اینکه یک پیکسل در مکانی مثل (x,y) دارای مقداری مثل b باشد از شکل 9-1-2 می تواند به دست آید که این مقدار عبارتست از :
= P(b) در نقطه (x,y) از تصویر
اگر 6 = b فرض شود با توجه به شکل 11-3 مقدار هیستوگرام به ازای سطح خاکستری 6 برابر 7 می باشد لذا : 35/0 = 20/7 = (6) P
شکل هیستوگرام اطلاعاتی را درباره خواص تصویر فراهم می کند. به عنوان مثال یک هستوگرام باریک (در امتداد محور xها) نشان دهنده این واقعیت است که کنتراست تصویر کم می باشد. یا یک مقدار پیکسل مشخص می تواند نشان دهنده یک خاصیت منحصر به فرد از یک جزء تصویری مثل یک سوراخ باشد. هیستوگرام می تواند در مواردی از قبیل به دست آورد مقدار حد آستانه که برای تبدیل تصاویر سطوح خاکستری به تصاویر دودویی لازم است یا در تصحیح بخشی از طیف خاکستری مفید باشد.
1-6-1-2 ایجاد هیستوگرام
هیستوگرام یک تصویر می تواند طبق مراحل زیر و همان گونه که در شکلهای 10-1-2 و 11-1-2 نشان داده شده است ایجاد گردد.
فرمت این مقاله به صورت Word و با قابلیت ویرایش میباشد
تعداد صفحات این مقاله 98 صفحه
پس از پرداخت ، میتوانید مقاله را به صورت انلاین دانلود کنید
