برتر فایل مجموعه فایل های آموزش مقدماتی تا پیشرفته نرم افزار کتیا (CATIA) و مجموعه کتب, جزوات, پروژه و مقالات تخصصی مهندسی مکانیک (ساخت و تولید, جامدات, سیالات) http://catia2015.samenblog.com/ RSS Generated by SamenBlog.com پروژه هوش مصنوعی - کاربرد روش های اکتشافی مبتنی بر ت http://catia2015.samenblog.com/پایان-نامه-ی-كارشناسی-ارشد-مهندسی-هوش-مصنوعی-کاربرد-روش-های-اکتشافی-مبتنی-بر-ت.htmlمهندسی رباتیک استخراج ویژگی های بافت و تشخیص خرابی بافت یکی از مفاهیم اصلی در پردازش تصویر و بینائی ماشین می ­باشد. هدف این پروژه  آنالیز و کلاس ­بندی بافت­ های طبیعی و تصادفی تصاویر سطوح ورق­ های فولاد می­ باشد. پس از بررسی الگوریتم های آماری مختلف تحلیل بافت، یک روش جدید برای ترکیب ویژگی های بافت و رنگ معرفی می­ گردد. ما ویژگی های بافتی تصویر را با استفاده از یک روش جدید مبتنی بر الگوریتم LBP بدست می ­آوریم. یک فضای رنگی جدید معرفی خواهیم کرد و از این فضای رنگی برای بدست آوردن ویژگی های رنگی استفاده خواهیم کرد و درپایان یک روش جدید اولیه/ثانویه برای ترکیب ویژگی های بافتی و رنگی ارائه می­ گردد. برای کلاس­ بندی نیز از شبکه ­های عصبی مصنوعی استفاده می­ کنیم و در انتها فواید روش جدید را درمقایسه با روشهای معمول تحلیل بافت مورد بررسی قرار خواهیم داد.

پروژه  مورد نظر مشتمل بر پنج (5) فصل، 102 صفحه، تایپ شده، به همراه تصاویر، جداول، نمودار، با فرمت word جهت دانلود قرار داده شده تا به راحتی کاربر بتواند آن را به میل خود در صورت نیاز ویرایش نماید و فصل بندی پروژه  به ترتیب زیر می باشد:


پایان نامه ی كارشناسی ارشد مهندسی هوش مصنوعی - کاربرد روش های اکتشافی مبتنی بر تحلیل بافت در گروه بندی کیفی محصولات فولادی



















فصل اول: بافت،تعریف و كاربرد آن

مقدمهنکاتی درمورد بازرسی خرابی سطوحتعریف بافتتکنیک های موجود برای تشخیص خرابیتکنیک های تصویری مبتنی برمحتویکاربردهای تحلیل بافتبازرسیطبقه بندی مدل های بافتنتیجه گیری

  
فصل دوم: بررسی الگوریتمهای تحلیل بافت وكلاس­بندی

مقدمهارتقای تصویرروش های میدان مكاندستكاری سطوح خاكستریپردازش هیستوگرامهموارسازی تصویرتیز كردن تصویرروش های میدان فركانسفیلتر كردنبخش‌بندی تصویرآستانه‌گیریبخش‌بندی مبتنی بر لبهبخش بندی ناحیه گرارشد ناحیه با پیوستن پیكسل هاتقسیم و ادغام ناحیهروال انجام مراحل استخراج ویژگی و تشخیص الگوروش های آماری تحلیل بافتماتریس های هم رخداد(GLCM)تابع اتوکرلیشن (AC)معیار کواریانس متقارن نسبت به مرکزاستخراج ویژگیویژگی های دامنه‌ایدسته بندی الگودسته‌بندی كننده حداقل فاصلهشبكه‌های عصبینتیجه گیری

فصل سوم: آنالیز بافت با الگوهای دودوئی محلی(LBP)

مقدمهعملگر LBPیک روش یکنواخت برای آنالیز بافت LBP و توسعه های آنسرچشمه LBPتغییر ناپذیری با چرخش LBP با چند رزولوشن LBP رنگ های متضادخلاصه

 
فصل چهارم: آزمایشات کلاس­بندی

مقدمهمجموعه دادهساختار شبکه عصبینتایج کلاس بندیماتریس های همرخدادالگوریتم LBPالگوریتم LBPROOTالگوریتم LBP یکنواختالگوریتم LBPU با چندین رزولوشنالگوریتم LBP/varالگوریتم LBP با رنگهای متضادنتیجه گیری

فصل پنجم: معرفی روشی جدید برای کلاس­بندی

مقدمهپیش پردازش تصاویرالگوریتم جدید مبتنی بر LBPفضای رنگی جدیدآزمایشاتروشی جدید برای ترکیب ویژگیهای رنگی و بافتینتیجه گیری

 

جهت دانلود پروژه  هوش مصنوعی - کاربرد روش های اکتشافی مبتنی بر تحلیل بافت در گروه بندی کیفی محصولات فولادی  بر لینک زیر کلیک نمایید:پروژه  هوش مصنوعی - کاربرد روش های اکتشافی مبتنی بر تحلیل بافت در گروه بندی کیفی محصولات فولادی

]]> Fri, 27 May 2016 21:38:28 GMT catia2015 http://catia2015.samenblog.com/266.html