پردازش تصویر doc

  • کاربرد پردازش تصویر و بینایی ماشین در صنایع غذایی

    کاربرد پردازش تصویر و بینایی ماشین در صنایع غذاییچکیده: در این پژوهش کاربرد پردازش تصویر در حوزه های مختلف صنایع غذایی تشریح می گردد . هدف این مقاله نشان دادن برتری های فناوری بینایی ماشین بر روش های سنتی و دستی مورد استفاده در صنایع غذایی است. بدین صورت که در آغاز معرفی کلی از پردازش تصویر و اجزای اصلی سیستم ان انجام شد و در ادامه محصولات غذایی گروه بندی شدند و پژوهش های انجام شده در هر گروه مورد بررسی قرار گرفتند.این محصولات بر اساس یک سری فاکتورها مورد ارزیابی قرار گرفتند که یکی از مهمترین انها فاکتور رنگ بود که در نهایت نتایج قابل توجهی به دست امد و این نتیجه حاصل شد که پردازش تصویر می تواند به عنوان یک روش سریع ، اقتصادی ، غیر تماسی(بدون دخالت انسان) و با دقتی بسیار بالا تر از روش های بازرسی چشمی و دستی ، در کنترل کیفیت خطوط تولید کارخانجات محصولات غذایی به کار گرفته شود. ...فرمت فایل: DOC (ورد 2003) قابل ویرایش تعداد صفحات: 9برای دانلود فایل اینجا کلیک کنید



  • مقاله کاربرد پردازش تصویر و بینایی ماشین در صنایع غذایی

    مقاله کاربرد پردازش تصویر و بینایی ماشین در صنایع غذایی

    کاربرد پردازش تصویر و بینایی ماشین در صنایع غذایی چکیده: در این پژوهش کاربرد پردازش تصویر در حوزه های مختلف صنایع غذایی تشریح می گردد . هدف این مقاله نشان دادن برتری های فناوری بینایی ماشین بر روش های سنتی و دستی مورد استفاده در صنایع غذایی است. بدین صورت که در آغاز معرفی کلی از پردازش تصویر و اجزای اصلی سیستم ان انجام شد و در ادامه محصولات غذایی گروه بندی شدند و پژوهش های انجام شده در هر گروه مورد بررسی قرار گرفتند.این محصولات بر اساس یک سری فاکتورها مورد ارزیابی قرار گرفتند که یکی از مهمترین انها فاکتور رنگ بود که در نهایت نتایج قابل توجهی به دست امد و این نتیجه حاصل شد که پردازش تصویر می تواند به عنوان یک روش سریع ، اقتصادی ، غیر تماسی(بدون دخالت انسان) و با دقتی بسیار بالا تر از روش های بازرسی چشمی و دستی ، در کنترل کیفیت خطوط تولید کارخانجات محصولات غذایی به کار گرفته شود. ...فرمت فایل: DOC (ورد 2003) قابل ویرایش تعداد صفحات: 9برای دانلود فایل اینجا کلیک کنید

  • HMM مدلهای مخفی مارکوف (Hidden Markov Models)

    HMM مدلهای مخفی مارکوف (Hidden Markov Models)   مقاله از : بلاگ گروه اینترنتی مجله پزشکی [ایمیل] HMM (Hidden Markov Models)  مدلهای مخفی مارکوف    معرفی   مدلهای مارکوف مخفی اولین بار در یک سری از مقالات آماری توسط Leonard E. Baum و نویسندگان دیگر در نیمه 1960مطرح گردید. اولین کاربرد آن در شناسایی گفتار بود که در نیمه 1970شروع گردید. درنیمه 1980برای آنالیز رشته های بیولوژیکی بخصوص DNA استفاده گردید. از آن زمان بعنوان زمینه ای از بیوانفورماتیک درنظر گرفته شد.  آندری آندرویچ مارکوف   آندری آندرویچ مارکوف٬ فارغ التحصیل دانشگاه سنت پترزبورگ در سال ۱۸۷۸ بود. وی در سال ۱۸۸۶ مدرک پروفسوری خود را دریافت کرد. کارهای زودهنگام مارکوف در تئوری اعداد٬ آنالیز٬ حدود انتگرال ها٬ همگرایی سری ها٬ دنباله کسرها و ... بسیار اساسی بود بعد از سال ۱۹۰۰ ٬ مارکوف تحت تأثیر استاد خود چبیشف٬ از روش دنباله های کسرها در تئوری احتمالات استفاده کرد.وی هم چنین در مورد رشته های متغیرهای وابسته متقابل٬ مطالعاتی انجام داد.با این امید ثابت کردن قوانین حدی در احتمالات در حالات کلی آنها.او قضیه حد مرکزی را با در نظر گرفتن فرض های کامل آن٬ اثبات کرد مارکوف به دلیل مطالعاتش پیرامون زنجیرهای مارکوف که رشته هایی از متغیرهای تصادفی هستند٬ معروف است.در زنجیرهای مارکوف٬ متغیر بعدی توسط متغیر کنونی مشخص می شود ولی از راهی که تا کنون طی شده است مستقل است.     مدلهای مخفی مارکوف ابتدا در سال‌هاي اواخر 1960 و اوايل 1970 معرفي و مورد مطالعه قرار گرفت. روش‌هاي آماري منبع مارکوف يا مدلسازي مارکوف پنهان بطور روزافزوني در سال‌هاي اخير متداول گرديد. براي اين امر دو دليل بسيار قوي وجود دارد. اولاً مدل‌ها در ساختمان رياضي خيلي غني هستند و در اينصورت مي‌توانند مبنائي نظري براي استفاده در محدودهء وسيعي از کاربردها را تشکيل دهند. ثانيا" مدل‌ها، در هنگامي که بطور صحيحي بکار برده مي‌شوند، در عمل براي کابردهاي مهم خيلي خوب کار مي‌کنند..    چرا مخفی؟  اطلاق کلمة مخفي, به موضوع مورد بحث ما به اين دليل است که در بارة مسائلي صحبت مي‌کنيم که طريقة انجام آنها از ديد ما پنهان است و البته ماهيت پارامتري آماري دارد. يعني اينکه نه تنها نمي‌دانيم نتيجه چه خواهد بود, بلکه نوع اتفاق و احتمال آن اتفاق نيز بايد از پارامترهايي که در دسترس است, نتيجه‌گيري شود. مانند پرتاب سکه در يک جعبة در بسته, يا جايي دور از ديد ما. يعني مدل حاصل يک مدل تصادفي با يک فرآيند تصادفي زيرين است که از ديد ناظر, غير قابل مشاهده (مخفي) است و تنها توسط مجموعه اي از فرآيندهاي تصادفي که دنبالة مشاهدات را توليد مي کنند قابل ...

  • دانلود کتاب در مورد آموزش MATLAB

      ادامه مطلب  كتب و جزوات آموزش نرم افزار مطلب ( متلب ) ( فارسی ) MATLAB FARSI Pharsi  parsi  Farsi  ۱- كتاب آموزش مطلب به كوشش برمكي، ویرایش دوم ، در ۲۰۴ صفحه وحجم ۶۶۳/۳ مگ rar. دانلود کنید.   و لینک این کتاب برای دوستانی که به winRAR دسترسی ندارند: ۵۳۱/۴ مگ pdf .دانلود کنید.  ( با تشکر از مهندس برمکی که فایل این کتاب را در اختیار این وب قرار دادند ) ۲- جزوه آموزش مطلب به كوشش شیخ نجدی در ۵۷ صفحه وحجم ۱/۲ مگ pdf. دانلود کنید. ۳- جزوه آموزش متلب به كوشش رجبی در ۳۵ صفحه وحجم ۴/۰ مگ pdf. دانلود کنید. ۴- جزوه آموزش مطلب به كوشش ساغری در ۳۷ صفحه وحجم ۷/۰ مگ pdf. دانلود کنید. ۵- جزوه آموزش مطلب به كوشش مستوفی در ۳۵ صفحه وحجم ۳/۰ مگ pdf. دانلود کنید. ۶- *کتاب آموزش مطلب به كوشش همت آبادی در ۱۵۴ صفحه وحجم ۰۸۲/۴ مگ rar. دانلود کنید.         و لینک این کتاب برای دوستانی که به winRAR دسترسی ندارند: ۶۵/۱۰ مگ pdf .  دانلود کنید.  ۷- کتاب محاسبات سمبلیک در MATLAB به كوشش خالقی و رمضان زاده در ۱۸۵ صفحه وحجم ۸۸۸/۲ مگ pdf. دانلود کنید. ( با تشکر از مهندس خالقی که فایل این کتاب را در اختیار این وب قرار دادند ) ۸- جزوه آموزش مطلب به كوشش جعفری در ۱۰۶ صفحه وحجم ۵۸۲/۱ مگ pdf. دانلود کنید. ۹- جزوه آموزش مطلب به كوشش مشایخی در ۱۶ صفحه وحجم ۲/۰ مگ pdf. دانلود کنید. ۱۰- جزوه آموزش مطلب به كوشش مقدس پور در ۷۸ صفحه وحجم ۳/۱ مگ rar. دانلود کنید. ۱۱- جزوه آموزش مطلب در کنترل مدرن (مهندسی الکترونیک) به كوشش خاکی صدیق در ۵۶ صفحه و حجم ۱مگ pdf. دانلود کنید. + M-Files دانلود کنید. ۱۲- اسلاید آموزش مطلب (فارسی) به كوشش دیانت در ۶۶ اسلاید وحجم ۹۸۷/۰ مگ ppt. دانلود کنید. ۱۳- اسلاید مقدماتی آموزش مطلب (فارسی) به كوشش سلماسی در ۳۶ اسلاید وحجم ۲۸۲/۰ مگ ppt. دانلود کنید.  ۱۴- اسلاید آموزش مطلب (انگلیسی) به كوشش احمدی پژوه در ۷۴ اسلاید وحجم ۱۹۶/۲ مگ ppt. دانلود کنید.  و یا   ۲۷۶/۱ مگ rar.   ۱۵- اسلاید آموزش مطلب (انگلیسی) به كوشش کیانی در ۷ مجموعه ppt. حجم به مگ:                    (Introduction 3.074) - (Basic Operations 2.448) - (2D graphs 5.266) - (Plotting Tools 4.026) - (Programming 4.718) - (Solving Advanced Math 1.948) - (TAYLOR SERIES 1.632) و کل مجموعه به صورتrar و حجم ۶۵۴/۱۶ دانلود کنید  ۱۶-جزوه آموزش مطلب به كوشش سپاس یار در ۳۳ صفحه و حجم ۰۳۶/۱ مگ pdf. دانلود کنید. ۱۷- جزوه آموزش مطلب به كوشش هاشمی در ۳۸ صفحه وحجم ۵۶۶/۰ مگ pdf. (پیشرفته) دانلود کنید. ۱۸- جزوه آموزش مطلب به كوشش نظری در ۴۴ صفحه وحجم ۱۵۲/۱ مگ pdf. دانلود کنید. ۱۹- جزوه آموزش مطلب به كوشش علوی زاده در ۲۹ صفحه وحجم ۸۵۸/۲ مگ pdf. دانلود کنید. ۲۰- جزوه آموزش مطلب به كوشش سلماسی در ۲۸ صفحه وحجم ...

  • الگوریتم تکاملی تفاضلی (DE)

    با بزرگ شدن مسائل و اهمیت یافتن سرعت رسیدن به پاسخ و عدم پاسخگویی روشهای کلاسیک ،امروزه از الگوریتمهای جستجوی تصادفی به جای جستجوی همه جانبهفضای مسئله ، استقبال بیشتری می شود. در این بین در سالهای اخیر استفاده از الگوریتمهای جستجوی هیوریستیک (شهودی) همچون الگوریتم وراثتی(GA) ، الگوریتم کلونی مورچه ها(ACO) ، الگوریتم پرندگان(PSO)  و ... رشد چشمگیری داشته است. ما در این وبلاگ قصد داریم الگوریتمهای تکاملی را معرفی کنیم تا بتوانید بسته به نیاز خود از آنها استفاده کنید. با سپاس فراوان از تمامی دانشجویان کارشناسی ارشد هوش مصنوعی دانشگاه شهید باهنر کرمان که ما را در جمع آوری این مجموعه یاری رسانند.   در سالهای اخیریک الگوریتم تفاضلی به نام الگوریتم تکاملی تفاضلی (DE) به عنوان روشی قدرتمند و سریع برای مسائل بهینه سازی در فضاهای پیوسته معرفی شده است.الگوریتم جستجوی DE یکی از جدیدترین روشهای جستجو است. الگوریتم تکاملی تفاضلی (DE) نخستین بار در سال 1995 توسط استورن و پرایس معرفی شد.این دو نشان دادند که این الگوریتم توانایی خوبی در بهینه سازی توابع غیرخطی مشتق ناپذیر دارد. الگوریتم DE جهت غلبه بر عیب اصلی الگوریتم ژنتیک، یعنی فقدان جستجوی محلی دراین الگوریتم ارائه شده است.تفاوت اصلی بین الگوریتم های ژنتیکی و الگوریتم DE در عملگر انتخاب selection operators می باشد. در اپراتور انتخاب GA ،شانس انتخاب یک جواب به عنوان یکی از والدین وابسته به مقدار شایستگی آن می باشد.اما در الگوریتم DE ،همه جواب ها دارای شانس مساوی جهت انتخاب شدن می باشند.یعنی شانس انتخاب شدن آنها وابسته به مقدار شایستگی آنها نمی باشد.پس از این که یک جواب جدید با استفاده از یک اپراتور جهش خود-تنظیم و اپراتور crossover تولید شد،جواب جدید با مقدار قبلی مقایسه میشود و در صورت بهتر بودن جایگزین می شود. یکی از مزایای این الگوریتم  داشتن حافظه ای می باشد که اطلاعات جواب های مناسب را در جمعیت فعلی حفظ می کند.دیگر مزیت این الگوریتم مربوط به عملگر انتخاب آن می باشد،در این الگوریتم همه جواب ها دارای شانس مساوی جهت انتخاب شدن بع عنوان یکی از والدین می باشند.   برای دانلود فایل مربوط به الگوریتم DE بر روی لینک زیر کلیک نمایید: لینک دانلود فایل الگوریتم تکاملی DE پسورد : www.ai89.blogfa.com تهیه شده توسط : مهندس حجت میرزائی – دانشگاه شهید باهنر کرمان   برچسب: الگوریتم تکاملی تفاضلی (DE) -Differential Evolutionary - الگوریتم جستجوی گرانشی (GSA) – Gravitional Search Algorithm - الگوریتم وراثتی بر پایه مرتب سازی مغلوب نشده ها_ورژن2 (NSGA-II) – Non Dominated Sorting Genetic Algorithm II - الگوریتم بهینه سازی جهش قورباغه ها (SFLOA) - Shuffled Frog ...