عنوان پایان‌نامه
طراحی، ساخت و ارزیابی ربات برای تخمین میزان محصول کیوی
- رشته تحصیلی
- مهندسی کشاورزی-مکانیک ماشینهای کشاورزی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 66136;کتابخانه پردیس ابوریحان شماره ثبت: 834
- تاریخ دفاع
- ۲۹ بهمن ۱۳۹۲
- دانشجو
- مصطفی شعبانیان
- استاد راهنما
- جعفر مساح
- چکیده
- با توجه به پیشرفت سامانه¬های کشاورزی دقیق در سال¬های اخیر، وجود یک وسیله نقلیه خودکار مجهز به ابزار ماشین بینایی به عنوان دستیار کشاورز جهت پایش وضعیت گیاه در تمامی مراحل رشد، ضروری به نظر می¬رسد. یکی از کاربردهای این ادوات، سنجش خودکار میزان عملکرد محصول قبل از برداشت بدون آسیب رساندن به محصول، است. هنگامی که کشاورز در زمان تصمیم¬گیری در مرحله قبل از برداشت، اطلاعات کاملی از میزان محصول خود داشته باشد، می¬تواند برای در اختیار گرفتن نیروی انسانی کافی و ادوات برداشت مناسب، انبارداری، حمل و نقل و بازاریابی محصول، از آن استفاده کند. هدف از انجام این تحقیق عبارت بود از: ساخت یک حامل شنی¬دار مجهز به سامانه ماشین بینایی، طراحی یک سیستم کنترلی برای حرکت ربات در باغ کیوی و ثبت تصاویر بدون هم¬پوشانی و طراحی یک الگوریتم پردازش تصویر بهینه برای تشخیص و شمارش تعداد میوه¬های کیوی در تصویر. در این پژوهش، عملکرد سه الگوریتم استخراج خصوصیات مورفولوژی، استخراج خصوصیات بافتی و تطبیق تصاویر برای تخمین محصول کیوی در تصاویر مورد ارزیابی قرار گرفت. به منظور یادگیری ماشینی داده¬های به دست آمده از استخراج خصوصیات بافتی تصاویر، از روش¬های شبکه¬های عصبی مصنوعی و رگرسیونی ماشین بردار پشتیبان استفاده شد. برای انجام تست میدانی، ربات به یک باغ استاندارد کیوی در شهرستان بابل برده شد. نتایج نشان داد در روش ترکیب استخراج خصوصیات بافتی تصاویر و مدل¬سازی ماشین بردار پشتیبان، زمان پردازش داده¬ها نسبت به روش¬های دیگر بسیار کوتاه¬تر است. در این روش، زمان مورد نیاز برای آموزش و تشکیل شبکه عصبی و ماشین بردار پشتیبان لحاظ نشده است. بهترین عملکرد از نظر دقت مربوط به روش استخراج خصوصیات مورفولوژی تصاویر بود که در حدود 82% به دست آمد. کلمات کلیدی: تخمین میزان محصول، ربات، ماشین بینایی، پردازش تصویر، کشاورزی دقیق.
- Abstract
- Due to advances in precision agriculture systems in recent years, it is essential having an automatic vehicle with machine vision system as a farmer assistant to monitor the condition of plant in all growth stages. One application of these devices is automatic evaluation of yield before harvest without damaging the product. If a farmer has complete information from number of yields when he wants to decide for harvesting, he can manage better in planning to hire adequate human resources, appropriate harvesting equipment, storage, transportation and product marketing. This study focused on three major issues. The first was manufacture of a track for carrying machine vision system. The second was development of a control system to movement on the terrain of grove (along the kiwifruit trellis) and recording the images without overlap and the third was development of an optimized image processing algorithm to recognize and count the kiwifruits in the images. In this study the performance of three algorithms, the extraction of morphological properties, the extraction of textural properties and image matching was evaluated to estimate the number of yields. In the extraction of textural properties method, artificial neural network method and support vector machine regression method were used in order to learn the machine. Due to carry out a field test, the robot was moved to the standard kiwi garden in Babol city. The results showed the data processing time in a combined method of the extraction of textural properties method and support vector machine regression method is shorter than the others. The best performance in terms of precision belongs to the extraction of morphological properties method that was obtained about 82%.
