متن کامل پایان نامه ارشد با فرمت ورد

عنوان کامل پایان نامه :

 مطالعه بهره گیری از تکنولوژی بینایی ماشین در ثبت ورود و خروج کالاها

قسمتی از متن پایان نامه :

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید

) تعریف بازشناسی اشیاء

بازشناسی به معنای «تشخیص تفاوت بین دو چیز» می باشد و بازشناسی اشیاء در اصطلاح بینایی ماشین، به معنای توانایی تشخیص یک شی از بین مجموعه­ای از اشیاء می باشد. به عنوان نمونه، بازشناسی تصاویر چهره شامل توانایی تشخیص هویت یک فرد از روی تصویر چهره­ی او با داشتن پایگاه داده­ای از تصاویر افراد مختلف می باشد. چندین دهه می باشد که این مفهوم به عنوان ابزاری پر کاربرد، مورد توجه محققین قرار گرفته می باشد.

1-2-2-1)فرآیند طراحی یک سیستم بازشناسی اشیاء

از آن جایی که هر شی دارای الگوی خاصی می باشد که آن را از سایر اشیاء متمایز می­کند، سیستم­های بازشناسی اشیاء زیرشاخه­ای از سیستم­های بازشناسی الگو هستند و از فرآیندهای حاکم بر این سیستم‌ها پیروی می­کنند. هر سیستم بازشناسی الگو برای این که قدرت فرق بین الگوهای مختلف را پیدا کند و در اجرای وظیفه­ی تشخیص و بازشناسی الگو­ها با موفقیت اقدام کند، بایستی آغاز آموزش ببیند.  ساختار کلی فرآیند آموزش در یک سیستم بازشناسی الگو در شکل(1-2) نمایش داده شده می باشد. اولین گام در فرآیند آموزش یک سیستم بازشناسی الگو، جمع­آوری تعداد مناسبی نمونه از الگوهای مورد نظر (به گونه مثال تصاویر اشیاء در یک سیستم بازشناسی اشیاء) می باشد. خصوصیات این نمونه­ها بایستی به گونه­ای باشد که اهداف نهایی مورد نظر در سیستم بازشناسی الگو را برآورده کند و حتی­الامکان همه­ی حالت­های قابل پیش­بینی برای الگوها در بین این نمونه­ها وجود داشته باشد. این بخش زمان زیادی از فرایند طراحی سیستم بازشناسی الگو را به خود اختصاص می­دهد و گاهی اوقات با مشکلاتی نیز همراه می باشد.

گام بعدی پس از جمع­آوری نمونه­های لازم، استخراج ویژگی[1] از نمونه­ها می باشد. استخراج ویژگی نگاشتی از فضای الگوها به فضای ویژگی­ها می باشد و حاصل آن یک بردار ویژگی عددی برای هر نمونه می باشد. استخراج ویژگی در واقع خصوصیات کیفی الگوها را به ویژگی­های کمی تبدیل می­کند و بردار ویژگی هر نمونه، توصیفی کمی از آن نمونه ارائه می­دهد. این کار عملا یک فرآیند کدگذاری[2] می باشد، زیرا که از نظر هندسی هر الگو را می‌توان به عنوان یک نقطه در فضای اقلیدسی در نظر گرفت. انتخاب نوع ویژگی­ها نیازمند دانش اولیه در مورد الگوها می باشد. این انتخاب بایستی به گونه­ای باشد که ویژگی­های استخراج­شده بین الگوهای متعلق به یک کلاس حداکثر تشابه و بین الگوهای متعلق به کلاس­های متفاوت حداکثر فرق را به وجود آورند.

پس از استخراج ویژگی بایستی روش یادگیری در سیستم بازشناسی الگو تعیین گردد تا گام­های اصلی آموزش سیستم شروع گردد. روش یادگیری می‌تواند از نوع بدون نظارت[3] یا بانظارت[4] باشد. در یادگیری بدون نظارت، الگوها برچسب کلاسی ندارند و بر اساس شباهتشان در کلاس­های یکسان قرار می‌گیرند. در واقع در این روش، هدف کاربر این می باشد که تعیین کند آیا گروه­هایی در مجموعه­ی داده وجود دارند و اگر وجود دارند، چه مشخصاتی الگوهای داخل یک گروه را به هم شبیه می­کند و چه مشخصاتی الگوهای موجود در گروه­های متفاوت را از یکدیگر متمایز می­کند.

[1] Feature Extraction

[2] Coding

[3] Unsupervised Learning

[4] Supervised Learning

سوالات یا اهداف این پایان نامه :

  1. مطالعه تکنولوژی بینایی ماشین و پتانسیل های بالقوه موجود در حوزه این تکنولوژی برای ثبت ورود و خروج کالاها.
  2. یافتن الگوریتمی مناسب برای محقق ساختن ایده بهره گیری از بینایی ماشین
  3. یافتن مکان هایی که در آن ها می توان از تکنولوژی پردازش برای ثبت ورود و خروج کالاها بهره گیری نمود.

لینک متن کامل پایان نامه رشته مدیریت با عنوان : مطالعه بهره گیری از تکنولوژی بینایی ماشین در ثبت ورود و خروج کالاها  با فرمت ورد