دانلود شبیه سازی مقاله تشخیص رنگ و شکل هندسی دو بعدی با پردازش سیگنال دیجیتال

شبیه سازی تشخیص رنگ و شکل با پردازش سیگنال

در صنایع پیشرفته و خودکار امروزی، روش های بسیار کارآمد و موثری برای فرآیندهای تولید و بازرسی دقیق استفاده می شود. زمانی بود که کارهایی مثل بازرسی کیفیت، مرتب سازی، مونتاژ، نقاشی، بسته بندی و غیره به صورت دستی انجام میشد. ولی پس از ورود سریع ربات ها به صنعت، صنعت اتوماسیون دستخوش تغییرات زیادی شد.

در این بین، سنسورها نقش مهمی در ارائه اطلاعات مرتبط به پارامترها در طول فرآیندهای اجرا ایفا می نمایند. دما، نور، درصد ترکیب مواد، رطوبت، شکل و رنگ ساختارها از جمله پارامترهایی هستند که سنسورها می توانند تشخیص دهند. سنسورهای بسیار دقیق نیز بازخوردهای بهتر را در اختیار کنترل کننده قرار می دهند. به عنوان مثال، هرچه دقت یک سنسور بیشتر باشد، توانایی سنسور در تشخیص خطا نیز بیشتر خواهد بود.

رشته پردازش سیگنال، کاربردهای زیادی در زمینه اتوماسیون پیدا کرده است. سنسورهای دوربین، ویدئوها و تصاویر اشیای متحرک روی نقاله را به طور زنده ضبط می نمایند. سپس این ویدئوها و تصاویر به منظور تشخیص اشیا و مقایسه آنها با موارد از پیش تعریف شده استفاده می شوند. با توجه به میزان شباهت ها و تفاوت های بین تصویر و مقدار از پیش تعیین شده نیز تصمیماتی توسط ماشین اتخاذ می گردد. نهایتا نیز این تصمیم به بازوی رباتیک داده می شود که اگر شیء واجد شرایط بود عبور کند و اگر مناسب نبود به سطل زباله انتقال داده شود.

در این پروژه نیز سعی شده تا با استفاده از یک سری شبیه سازی ها و الگوریتم ها، اطلاعات مربوط به هر کدام از تصاویر اتخاذ شده و تصمیماتی بر اساس معیارهای قبلی اتخاذ گردد.

در فلوچارت زیر مراحل مختلف مربوط به پردازش نشان داده شده است:

در این پروژه، روش مربوط به استفاده از پردازش سیگنال و منطق هندسی برای تشخیص اشکال دو بعدی مانند مربع، دایره، مستطیل و مثلث و نیز رنگ آنها تشریح شده است. این روش را می توان روی کاربردهایی چون بینایی ربات و هوش رایانه بسط داد. این روش شامل تبدیل تصاویر سه بعدی RGB به تصاویر سیاه و سفید معمولی، طبقه بندی پیکسل رنگ ها برای جداسازی پیش زمینه شیء، فیلترینگ بر اساس مساحت، و استفاده از جعبه محدودکننده و مشخصه های آن برای محاسبه معیارهای مربوط به شیء. این معیارها با مقادیر از پیش تعیین شده مقایسه می شوند. تشخیص شکل اشیا با استفاده از چرخش شیء مشخص می شود. رنگ اشیا نیز با آنالیز اطلاعات RGB مربوط به همه پیکسل های شیء شناسایی می گردد. این الگوریتم با استفاده از نرم افزار متلب (MATLAB) شبیه سازی شده است و دقتی در حدود 99 درصد را ارائه می دهد.

در ادامه بخشی از نتایج خروجی شبیه سازی نشان داده شده است: