Skip Navigation Linksلیست مقالات ترجمه شده / خرید و دانلود
773,900

پیش از اقدام به خرید ترجمه فارسی می توایند نسخه انگلیسی را به صورت رایگان دانلود و بررسی نمایید. متن چکیده و ترجمه آن در پایین همین صفحه قابل مشاهده است.
دانلود رایگان مقاله انگلیسی
موسسه ترجمه البرز اقدام به ترجمه مقاله " مهندسی فناوری اطلاعات " با موضوع " دسته بندی میوه های چندگانه، با استفاده از داده های RGB-D(سه رنگ اصلی و عمق) برای روبات هایی با عملکرد داخلی " نموده است که شما کاربر عزیز می توانید پس از دانلود رایگان مقاله انگلیسی و مطالعه ترجمه چکیده و بخشی از مقدمه مقاله، ترجمه کامل مقاله را خریداری نمایید.
عنوان ترجمه فارسی
دسته بندی میوه های چندگانه، با استفاده از داده های RGB-D(سه رنگ اصلی و عمق) برای روبات هایی با عملکرد داخلی
نویسنده/ناشر/نام مجله :
Proceeding of the IEEE International Conference on Robotics and Biomimetics (ROBIO) Shenzhen, China
سال انتشار
2013
کد محصول
1004020
تعداد صفحات انگليسی
6
تعداد صفحات فارسی
23
قیمت بر حسب ریال
710,000
نوع فایل های ضمیمه
Pdf+Word
حجم فایل
2 مگا بایت
تصویر پیش فرض



 Abstract

In this paper we present an effective and robust system to classify fruits under varying pose and lighting conditions tailored for an object recognition system on a mobile platform. Therefore, we present results on the effectiveness of our underlying segmentation method using RGB as well as depth cues for the specific technical setup of our robot. A combination of RGB low-level visual feature descriptors and 3D geometric properties is used to retrieve complementary object information for the classification task. The unified approach is validated using two multi-class RGB-D fruit categorization datasets. Experimental results compare different feature sets and classification methods and highlight the effectiveness of the proposed features using a Random Forest classifier

چکیده

در این مقاله قصد داریم سیستمی یکپارچه و کارآمد را به منظور دسته بندی میوه هایی با اشکال و وزن مختلف ارائه داده که در نهایت بتوان چنین سیستمی را برای تشخیص اشیاء بر روی یک پلت فرم سیال (موبایلی) بکار گرفت. بنابراین، نتایجی که در خصوص کارآمد بودن متد بخش بندی بکار گرفته شده در این سیستم بدست آمده است را به همراه سر نخ های مربوط به عمق، برای یک ستاپ فنی خاص و یا ربات پیشنهادی خود را ارائه خواهیم داد.  همچنین  از ترکیبی از تشریح کننده های  ویژگی های بصر سطح پایین RGB به همراه مشخصه های هندسی سه بعدی   استفاده شده تا بتوان اطلاعات مکمل یک شیئ را به منظور دسته بندی آن شیئ بدست آورد.  از این رو، روش یکپارچه ای که ارائه خواهیم داد، با استفاده از  دو مجموعه  داده ای مربوط به دسته بندی میوه  ای مالتی کلاس(چند گانه) (بر اساس مشخصه های رنگی(قرمز، سبز، آبی) و عمق) مورد ارزیابی قرار گرفته است. نتایج بدست آمده از آزمایشات صورت گرفته نیز به مقایسه ی مجموعه ویژگی ها و متد های دسته بندی مختلف پرداخته و کارآمد بودن ویژگی های پیشنهادی را با استفاده از دسته بند تحت عنوان جنگل تصادفی نشان می­دهد

1-مقدمه

هدف مطالعه: تشخیص و دسته بندی شیئ را میتوان یکی از بسیار فعالیت هایی دانست که در حوزه ی بینایی کامپیوتر در سطح زیادی مورد مطالعه قرار گرفته است. از زمانی که حسگر های ارزان قیمتی مانند مایکروسافت کینکت که تشخیص دهنده ی مشخصه ی RGB-D  می­باشند به بازار عرضه شد،  تقاضا برای روش های مبتنی بر RGB-D نیز  در سطح جهانی افزایش یافت.  فرایند تشخیص اشیاء را میتوان با بکار گیری اطاعات مربوط به مشخصه ی عمق و سایر ویژگی های بدست آمده از یک شیئ، به صورت دقیق تر انجام داده و بنابراین با احتمال بتوان از آن در اپلیکیشن های کاربردی استفاده کرد[1]-[6]. با توجه به چنین پیشرفت هایی،  از یک ربات سرویس سیال به عنوان یک سیستم تشخیص میوه ها استفاده کرده ایم.  به عنوان مثال، یک سوپر مارک را به عنوان یک سناریوی ساده و کاربردی در نظر بگیرید که در  این سناریو، بدون این که مشتری دخالتی داشته باشد، ربات قادر به تشخیص قیمت میوه ها باشد...



این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:





RGB-D Data
Multi-class Fruit Classification
Robots

ثبت سفارش جدید