تشخیص هوشمند ناهنجاری در تصاویر پزشکی کبد با استفاده از روش های پردازش تصویر
Abstract
چکیده ندارد.
چکیده ندارد.
تشخیص خوشه انگور قرمز ایستاده با استفاده از پردازش تصویر و شبکه عصبی به منظور کاربرد در ربات برداشت انگور اکبر نظری1 چکیده: در این تحقیق یک سامانه طبقه بندی خودکار بر مبنای ماشین بینایی و شبکههای عصبی مصنوعی بر اساس رنگ و مولفههای آن، توسعه داده شد. حدود 300 تصویر رقمی از باغات
امروزه صنعت پوشاک و مد صنعتی جهانی است و اکثر کشورها روی این صنعت سرمایه گذاری می کنند. در سالهای اخیر با گسترش تجارت الکترونیک و با توجه به مزیت های آن مثل قابل استفاده بودن کالاها با هزینه کمتر، انتخاب گسترده تر و صرفه جویی در زمان، انبوه مردم مایحتاج خود را از وبگاه ها و فروشگ
امروزه صنعت پوشاک و مد صنعتی جهانی است و اکثر کشورها روی این صنعت سرمایه گذاری می کنند. در سالهای اخیر با گسترش تجارت الکترونیک و با توجه به مزیت های آن مثل قابل استفاده بودن کالاها با هزینه کمتر، انتخاب گسترده تر و صرفه جویی در زمان، انبوه مردم مایحتاج خود را از وبگاه ها و فروشگ
تشخیص خودکار بیماریهای گیاهی در مراحل اولیه در مزارع بزرگ میتواند علاوه بر افزایش کیفیت محصول نهایی از بروز خسارات جبران ناپذیر نیز جلوگیری نماید. لذا در این پژوهش سامانهای هوشمند بر مبنای پردازش تصاویر به منظور شناسایی و رفع بیماری آتشک در برگ گیاه لیلیوم و همچنین طبقهبندی
آزمون پرتونگاری از مجموعه آزمون های غیر مخرب، یکی از پرکاربردترین و قدیمی ترین روش ها، جهت تشخیص عیب های نواحی جوش خطوط انتقال نفت و گاز می باشد. به منظور افزایش دقت شناسایی و آشکارسازی عیب های نواحی جوش در فیلم پرتونگاری و کاهش خطای شخص مفسر جوش، نیاز به سیستمی برای افزایش کیفیت
آزمون پرتونگاری از مجموعه آزمونهای غیرمخرب، یکی از پرکاربردترین و قدیمیترین روشها، جهت تشخیص عیبهای نواحی جوش خطوط انتقال نفت و گاز میباشد. بهمنظور افزایش دقت شناسایی و آشکارسازی عیبهای نواحی جوش در فیلم پرتونگاری و کاهش خطای شخص مفسر جوش، نیاز به سیستمی برای افزایش کیفیت