22280

آشكار سازي ومكان يابى گل زعفران بااستفاده از يادگيري عميق

كارشناسي ارشد

هوش مصنوعي و رباتيكز

1398/12/7

دكتر محسن سرياني

دكتر محمدرضا محمدي

كامپيوتر

هدف از اين پايان نامه اين است كه ما مجموعه اي از تصاوير گل زعفران را كه روي نقاله قرار دارد وتصاوير از بالاي نقاله گرفته شده است را در اختيار داريم و مي خواهيم هر گل به طور جداگانه با موقعيت مختصات دم (x ,y) و زاويه دم گل با محور x مشخص شود به گونه اي كه يك تيغه متحرك بتواند دم گل را از برگها جدا كند. بنابراين ، ما براي انجام اين پروژه به استفاده از الگوريتم هاي يادگيري عميق روي آورده ايم. در ابتدا اندازه تصاوير اصلي زعفران كه (2592 ، 1944 ، 3) است را كاهش داده و به (648 ، 486 ، 3) رسانديم. ما با استفاده از 7 لايه اول VGG16 كه قبلا روي مجموعه داده ImageNet آموزش ديده اند و تنظيم دقيق آنها با داده هاي آموزشي زعفران اين كار را انجام داديم. خروجي لايه ماكس پولينگ سوم را بصورت موازى به چهار لايه كانولوشني جديد داديم تا چهار ماتريس (p, dx, dy, theta) را كه مشخصات گلهاي زعفران در تصوير را دارند به ما بدهند. ماتريس P براى تعيين مكان هر گل زعفران است. در حالي كه ماتريس هاي (dx و dy) به دليل كوچك كردن تصاوير از مقياس بزرگ به مقياس كوچك در نظر گرفته مي شوند ، برخي از موقعيت هاي گل ها هنگام زير نمونه برداري با نسبت يك عدد اعشارى خواهند بود. بنابراين، شبكه عصبى كانولوشن بايد قسمت اعشاري موقعيتها را هم ياد بگيرد. بعلاوه اينكه، ماتريس theta كه زاويه را نشان مي دهد مقدار جداگانه اي براي هر گل زعفران دارد. بررسي نتايج نشان مي دهد كه روش ارائه شده با انجام اصلاحاتي مي تواند موفق عمل كند.

1399/07/06

Saffron Flowers Detection and Localization Using Deep Learning

2/26/2020 12:00:00 AM

The purpose of this thesis is that we have a set of sparse Saffron flowers located on a conveyor belt and an image is taken from the top side. Each flower should individually be identified with the position of the flower's tail coordinates (x, y) and the angle between the tail and the x direction so that a moving blade can separate the flower tail from the leaves. We decided to do this project using deep learning methods. Based on deep learning technology, we used fine-tuned VGG16 but just only with the first 7 convolutional and 3 max pooling layers. We inserted 4 parallel convolutional layers after the third max pooling of VGG16 to produce 4 output matrices P, Dx, Dy and theta. The total subsampling ratio concerning an original size is (1/32) and therefore to produce output images of the original size the x, y coordinates of P and Dx, Dy values should be multiplied by 32 and added together. The theta angle shows the angle between the tail of flower and the x axix and does not need to be modified. The output of the network for P, Dx, Dy and theta were investigated and results are encouraging.