دانلود مقاله رباتیک

بخشی از مقاله

فهرست مطالب
1- مقدمه ......................................................................... 4
2- روبات چیست؟ ............................................................... 5
3- اهمیت روبات ها ............................................................. 6
4- هدف از ساخت روبات ها .................................................. 6
5- روباتیک چیست؟ ............................................................ 7
6- اجزاء یک سیستم روباتیک ............................................... 7
7- زیر سیستم های اصلی یک روبات ...................................... 8
8- انواع روبات ................................................................. 10

9- مزایای روبات ها ........................................................... 13
10- معایب روبات ها .......................................................... 13
11- روبات هوشمند ........................................................... 13
12- روباتیک و هوش مصنوعی ........................................... 14
13- روبات الگو ............................................................... 16
14- روش های مختلف تعامل روبات با محیط .......................... 17
15- سیر تحول در کنترل روبات ........................................... 18
16- یادگیری در روبات ...................................................... 18

17- پردازش تصویر ......................................................... 22
18- منطق فازی .............................................................. 29
19- گزارش روبات امدادگر ............................................... 34
20- منابع ..................................................................... 46
مقدمه
براى مطالعه هوش مصنوعى، جالب و مفيد، بودن اين موجوديت هاى هوشمند
است. هوش مصنوعى محصولات مهم و مؤثر زيادى در مراحل اوليه توسعه اش توليد كرده است. اگر چه هيچ كس نمى تواند آينده را به طور مشخص پيش بينى كند، اما آشكار است كه كامپيوتر هايى هوشمند همرديف با انسان، تأثير بسزايى بر زندگى روزمره و همچنين برآينده خواهد داشت.
در سال ۱۹۵۴ ميلادى، عصر روبات ها با ارائه اولين روبات آدم نما از طرف «جرج دوول» (George Devol) شروع شد.

امروزه، ۹۰ درصد روبات ها، روبات هاى صنعتى هستند، يعنى روبات هايى كه در كارخانه ها، آزمايشگاه ها، انبارها، نيروگاه ها، بيمارستان ها، و بخش هاى مشابه به كار گرفته مى شوند. در سال هاى قبل، بيشتر روبات هاى صنعتى در كارخانه هاى خودروسازى به كارگرفته مى شدند، ولى امروزه تنها حدود نيمى از روبات هاى موجود در دنيا در كارخانه هاى خودروسازى به كار گرفته مى شوند. مصارف روبات ها در همه ابعاد زندگى انسان به سرعت در حال گسترش است تا كارهاى سخت و خطرناك را به جاى انسان انجام دهند. براى مثال امروزه براى بررسى وضعيت داخلى راكتورها از روبات استفاده مى شود تا تشعشعات راديواكتيو به انسان ها صدمه نزند. بعدها روبات هاى صنعتى زيادى ساخته شدند و انجمن صنايع روباتيك اين تعريف را براى روبات صنعتى ارائه كرد :

« روبات صنعتى يك وسيله چند كاره و با قابليت برنامه ريزى چند باره است كه براى جابه جايى قطعات، مواد، ابزارها با وسايل خاص به وسيله حركات برنامه ريزى شده، براى انجام كارهاى مختلف استفاده مى شود. »
انگلبرگر شركت unimate را برگرفته از universal Automation براى توليد روبات پايه گذارى كرد. نخستين روبات هاى اين شركت در كارخانه جنرال موتورز (General Motors) براى انجام كارهاى دشوار در خودروسازى به كار گرفته شد. انگلبرگر را «پدر روباتيك» ناميده اند.

در سال ۱۹۶۲ میلادی شركت خودروسازى جنرال موتورز نخستين روبات Unimate را در خط مونتاژ خود به كار گرفت.
روبات ها روز به روز هوشمندتر مى شوند تا هر چه بيشتر در كارهاى سخت و پر خطر به يارى انسان ها بيايند.
اكنون اولين روبات انسان نماى خاورميانه در دانشگاه صنعتى شريف در حال طراحى و ساخت مى باشد.

روبات چیست ؟
روبات يك ماشين الكترومكانيكى هوشمند است كه مى توان آن را بارها برنامه ريزى كرد. چندكاره و كارآمد و مناسب براى محيط است. مي تواند در شرایط خاصی که در آن قرار می گیرد، کار تعریف شده ای را انجام دهد و همچنین قابلیت تصمیم گیری در شرایط مختلف را نیز ممکن است داشته باشد. با این تعریف می توان گفت روبات ها برای کارهای مختلفی می توانند تعریف و ساخته شوند.

مانند کارهایی که انجام آن برای انسان غیرممکن یا دشوار باشد.
برای مثال در قسمت مونتاژ یک کارخانه اتومبیل سازی، قسمتی هست که چرخ زاپاس ماشین را در صندوق عقب قرار می دهند، اگر یک انسان این کار را انجام دهد خیلی زود دچار ناراحتی هایی مثل کمر درد و ...می شود، اما می توان از یک روبات الکترومکانیکی برای این کار استفاده کرد و یا برای جوشکاری و سایر کارهای دشوار کارخانجات هم همینطور، و یا روبات هایی که برای اکتشاف در سایر سیارات به کار می روند هم از انواع روبات هایی هستند که در جاهایی که حضور انسان غیرممکن است استفاده می شوند.

موسسه بین المللی استاندارد روبات را بصورت زیر تعریف کرده است:
روبات وسیله ای است که :
 بصورت خودکار کنترل شود
 قابل برنامه ریزی مجدد باشد
 چند منظوره بوده و
 با داشتن چندین درجه آزادی قدرت جابجائی داشته باشد.
 روبات می تواند متحرک و یا ثابت باشد.

اهمیت روبات ها:
امروزه روبات ها در انجام بسیاری از کارها به کمک انسان آمده و در برخی کارها نیز جایگزین آدمی گشته اند از جمله:
• کار در کارخانه، اکتشافات فضائی، جراحی، بصورت دست آموز خانگی و....
• بطور کلی روبات ها در کارهائی استفاده می شوند که خطرناک بوده (مثل نیروگاههای هسته ای)، مشکل و تکراری باشند (مثل اغلب کار کارخانه ها) و محیط های کثیف (مثل داخل لوله ها).

هدف از ساخت روبات چیست ؟
هدف از ساخت روبات ، ایمن تر، سریع تر، دقیق تر و بهینه تر انجام دادن اموری است که برای انسان ها در درازمدت قابل انجام و یا غیر قابل انجام می باشد که آن امور با صرف هزینه، نیرو و خطرات بیشتر همراه است .

روباتیک چیست ؟
علم مطالعه روبات ها را روباتیک می نامند.
تعریف جامع تر این علم را می توان بصورت زیر نیز بازگو نمود:
«روباتیک عبارت است از ارتباط هوشمندانه بین ادراک و عمل»
علم روباتیک از سه شاخه اصلی تشکیل شده است:
1. الکترونیک ( شامل مغز روبات)
2. مکانیک (شامل بدنه فیزیکی روبات)
3. نرم افزار (شامل قوه تفکر و تصمیم گیری روبات)
اگریک روبات را به یک انسان تشبیه کنیم، بخش هایی مربوط به ظاهر فیزیکی انسان را متخصصان مکانیک می سازند، مغز روبات را متخصصان الکترونیک توسط مدارای پیچیده الکترونیک طراحی کرده و می سازند و کارشناسان نرم افزار قوه تفکر را به وسیله برنامه های کامپیوتری برای روبات شبیه سازی می کنند تا در موقعیتهای خاص، فعالیت مناسب را انجام دهد.

قوانین روباتيك مطرح شده از سوى آسيموف:
۱. روبات ها نبايد هيچ گاه به انسان ها صدمه بزنند،
۲. روبات ها بايد دستورات انسان ها را بدون سرپيچى از قانون اول اجرا كنند.
3. روبات ها بايد بدون نقض قانون اول و دوم از خود محافظت كنند.

اجزاء یک سیستم روباتیک :
• ساختار مکانیکی شامل:
 اتصالات بازو وبدنه، چرخ ها
• محرک ها ئی که باعث حرکت روبات می شوند، نظیرموتورها
• سنسورهای مختلف برای ادراک محیط پیرامون روبات ها نظیر:

 سنسورهای فاصله (Ultrasonic)، دوربین، لیزر، سنسورهاى sonar و غیره
• یک کنترلر کامپیوتری براى راه اندازى و بررسى حركات روبات که سیگنال های سنسورها را خوانده و با پردازش اطلاعات بتواند فرامین لازمه را برای محرک ها ایجاد نماید نظیر نيروها و گشتاورهاى موتورها براى سرعت مورد نظر، جهت مورد نظر، كنترل مسير و...
• قسمت تصميم گيرى (برنامه اى براى تعيين اعمال لازم) به منظور:
 حركت در يك جهت خاص، دورى از موانع، برداشتن اجسام و...

زیر سیستم های اصلی یک روبات:

Real Data
World
(Environment)

Information Command
Concepts

Real world (Environment )

بخش اول : Sensor (سنسور) :
سنسور یک المان الکتریکی می باشد که اطلاعات را از محیط اطراف دریافت کرده و آن را به بخش پردازش ارسال می کند.

بخش دوم : Information processing (پردازش اطلاعات):
در این بخش اطلاعاتی که توسط سنسورها از محیط دریافت شده پردازش می شود تا با استفاده از آن ها روبات کاری را انجام دهد.

بخش سوم : Process and Decision (پردازش و تصمیم گیری):
این بخش اوج هوشمندی (Intelligence ) و یادگیری (Learning ) روبات می باشد و درواقع حافظه روبات است. قسمتی از پردازش در این بخش برای هدایت (Navigation ) روبات بوده و دستورات و فرامین لازم برای عمل کردن درست و به موقع روبات از این بخش به قسمت مکانیکی (حرکتی ،Locomotion ) روبات ارسال می شود، به همین منظور با بخش های قبلی در ارتباط است.

بخش چهارم : Low Level Controllers :
در اینجا روبات کنترل می کند که چگونه به هدف برسد در واقع این کار ذهنی انجام می گیرد .

بخش پنجم : Actuators (عملگر):
دراین بخش عملگرها قرار دارند که عمل مناسب را با توجه به آنچه که سنسورها دریافت کرده اند انجام می دهند، ممکن است به صورت چرخ، بازو و ... باشند.
انواع روبات
• از ديد كنترل :
01 Teleoperation (كنترل از راه دور توسط انسان)
02 Self-Controlled (خود كنترل): كه از لحاظ درجه ي هوشمندي (Degree Of Autonomy) به دو دسته ي زير تقسيم مي شوند:
 Mind-less : اين روبات ها كارهاي تكراري (repetitive) را انجام مي دهند.
 Intelligent : اين روبات ها هوشمند هستند و با عدم قطعيت (uncertainty) مقابله مي كنند.

• از ديد فيزيكي و مكانيكي (تحرك پذيري) :
1. روباتهای ثابت (manipulator or industrial robots) :
اين روبات ها كه شامل قطعات الكترونيكى و مكانيكى هستند، در ابتدا به صورت بازوهاى مكانيكى براى جابه جايى قطعات و يا كارهاى ساده و تكرارى به وجود آمدند كه موجب خستگى و عدم تمركز كارگر و افت بازده مى شد.

بازوها معمولاً در نقطه ثابت و در فضاى كاملاً كنترل شده در كارخانه نصب مى شوند و به غير از وظيفه اى كه براى آن ها طراحى شده اند، قادر به انجام كار ديگرى نيستند. اين وظيفه مى تواند در حد بسته بندى توليدات، كنترل كيفيت و جدا كردن توليدات بى كيفيت و يا كارهاى پيچيده ترى همچون جوشكارى و رنگزنى با دقت بالا باشد.

یک روبات ثابت از اجزاء مکانیکی زیر تشکیل می شود :

(اتصال) Link
End effectors
(عملگر نهایی)
(مفصل) Join

(مبدأ)Original

2. روباتهاي متحرك (mobile robots) :
اين روبات ها مانند روبات هاى جابه جا كننده در محيط ثابت و شرايط كنترل شده كار نمى كنند، بلكه همانند موجودات زنده در دنياى واقعى و با شرايط واقعى زندگى مى كنند و سير اتفاقاتى كه روبات بايد با آنها روبه رو شود از قبل مشخص نيست. در اين نوع روبات هاست كه تكنيك هاى هوش مصنوعى بايد در كنترل كننده روبات (مغز روبات) به كار گرفته شود.

روبات هاي متحرك دو عامل بسيار مهم دارند:
1. عامل حركت (Locomotion) :
• روبات هاى چرخ دار با انواع چرخ عادى و يا شنى تانك و با پيكربندى هاى مختلف يك، دو يا چند قسمتى
• روبات هاى پادار مثل سگ اسباب بازى AIBO ساخت سونى يا روبات ASIMO ساخت شركت هوندا.
• روبات هاى پرنده (Arial)
• روبات هاي مارشكل (Snake) که بر روی زمین می خزند.

• روبات هاى چند گانه (هايبريد) كه تركيبى از روباتهاى بالا يا تركيب با بازوها هستند.
2. عامل هدايت (navigation):
• هدف (goal)
• مكان يابي (localization)
• برنامه ريزي مسير (path planning) :
برنامه ریزی کلی مسیر (Global path planning )
برنامه ریزی محلی مسیر( (Local path planning
• كشيدن نقشه (map making)

دو نوع مهم path planning و Map making:
1. Topological ( شکل ) : در نقشه فقط شکلی از محیط را به روبات می دهیم وجای دقیق اشیاء کاملا مشخص نیست.
2. Metric (بر اساس اندازه گیری دقیق) : در اینجا به صورت دقیق جای هر یک از اشیاء مشخص بوده و فاصله کنونی روبات با هر شیء نیز به طور دقیق به روبات گفته می شود.

در طرح ریزی نقشه و تشخیص مسیر مطلوب مهم ترین مسئله بهینه سازی (Optimization) بوده و مهم ترین مطلب در بهینه سازی نیز OR (Operations Research Planning ) می باشد.

بهینه سازی:
1. متغیر های تصمیم (مثل کلونی مورچه ها)
2. محدودیت
3. هدف

مزاياى روبات ها:
0۱ روباتيك و اتوماسيون در بسيارى از موارد مى توانند ايمنى، ميزان توليد، بهره و كيفيت محصولات را افزايش دهند.
02 روبات ها مى توانند در موقعيت هاى خطرناك كار كنند و با اين كار، جان هزاران انسان را نجات دهند.
03 روبات ها به راحتى محيط اطراف خود توجه ندارند و نيازهاى انسانى براى آنها مفهومى ندارد. روبات ها هيچگاه خسته نمى شوند.
04 دقت روبات ها خيلى بيشتر از انسان هاست، آن ها در حد ميلى يا حتى ميكرو اينچ دقت دارند.

05 روبات ها مى توانند در يك لحظه چند كار را با هم انجام دهند، ولى انسان ها در يك لحظه تنها يك كار انجام مى دهند.

معايب روبات ها:
01 روبات ها در موقعيت هاى اضطرارى توانايى پاسخگويى مناسب ندارند كه اين مطلب مى تواند بسيار خطرناك باشد.
02 روبات ها هزينه بر هستند.

03 قابليت هاى محدود دارند يعنى فقط كارى را كه براى آن ساخته شده اند انجام مى دهند.
روبات هوشمند Intelligent Robot)):
یک تعریف کلی از هوشمندي برگرفته از گفته Albus عبارت است از:
« هوشمندي توانايي يك سيستم برای درست عمل كردن در يك محيط غير قطعي است به طوريكه درست عمل كردن، عملي است كه احتمال موفقيت را افزايش دهد و موفقيت يعني رسيدن به زير هدف های رفتاری كه هدف نهايي سيستم را تضمين مي نمايد.»

تعریف کلی از روبات هوشمند :
« یک ماشین قابل برنامه ریزی که بتواند عمل یک موجود هوشمند نظیر انسان را تقلید کند.»
در هوشمندی دو دیدگاه وجود دارد :
1. انتقال دانش (Knowledge ) : یعنی ما دانش خودمان را به ربات می دهیم.
2. یادگیری ماشین (Machine Learning ) :در اینجا انسان هیچ دانشی به روبات نمی دهد و روبات خود با جریمه شدن کار درست را یاد می گیرد و پییشرفت می کند.

مواردی که روبات با داشتن هر یک از آن ها می تواند هوشمند باشد:
( جستجو) Search ،(حل مسائلProblem Solving( ، ( یادگیری)Learning
(بازنمایی دانشKnowledge Representation ( ،(برنامه ریزی Planning(
Natural Language ، (منطق و استدلالLogic and Reasoning (
(بینایی ماشین Machine Vision( ،(سطح پردازش بالاProcessing (

روباتیک و هوش مصنوعی :
روباتیک یکی از مهمترین زمینه های استفاده عملی از تکنیک های هوش مصنوعی Artificial Intelligence)) است.
در واقع یک روبات هوشمند برای انجام هوشمندانه اعمال خود ناگزیر است بسیاری از این روش ها را به خدمت بگیرد:
 Learning
 Planning
 Reasoning
 Problem solving
 knowledge Representation
 Computer vision

اعمال اصلی یک روبات هوشمند:
 Sense
 Plan
 Act

سنسورهای روبات هوشمند:
• Vision برای دریافت محیط پیرامون
• Voice برای صحبت با آدمی
• Tactile برای حس وجود اشیا در سر راه مسیر
• Force برای تشخیص نیرو در کاربردهائی نظیر مونتاژ
• Laser برای اندازه گیری فاصله و تشخیص موانع
• ...

روبات الگو (Robotic Paradigms ):
1. سلسله ای یا Top down : در اینجا یک مغز متفکر داریم که به اجزاء احاطه دارد ، اجزاء نیاز به پردازش دارند .

2. Reactive یا Button Up : در اینجا هر جزء وظایفی دارد که با کنار هم قرار گرفتن آن ها، کل به وجود می آید یعنی اجزاء به صورت رفتاری عمل انجام می دهند، مثل پلک زدن

نگاشت

Behavior

3. Deliberative: ترکیبی از دو مورد قبل می باشد یعنی علاوه بر این که اجزاء به صورت رفتاری عمل انجام می دهند در مواقع مهم و بزرگ و در صورت نیازاز پردازش استفاده می شود.

گاهی در موارد بسیار حساس استفاده می شود

4. در اینجا به Plan نیازی نیست و خود روبات یاد می گیرد یا ما به روبات می گوییم که چه کاری انجام دهد.

یادگیری در روبات :
اگرچه روبات هایی مثل ASIMO کارهای شگفت انگیزی می کنند اما قادر نیستند یادگیری کنند.
یک روبات باید بتواند در تعامل با محیط و در اثر تجربه یادگیری نماید.

تعريف يادگيری :
تعريف هاي گوناگوني كه درباره يادگيري انجام گرفته نشان مي‌دهند كه هنوز تعريف جامع و يك دستی كه برای همه روان‌شناسان با نظريه‌هاي مختلف پذيرفتني باشد به دست نيامده است. اما بسياري از روان‌شناسان و پرورشكاران معتقدند كه « يادگيري تغييری است كه بر اثر تجربه يا آموزش در رفتار موجود زنده پديد مي‌آيد .» در اين تعريف مهم ترين واژه‌اي كه نظر را به خود جلب مي‌كند واژه تغيير است. زيرا رفتار فرد در زماني كه چيزي نياموخته با زماني كه آن چيز را، آموخته است تفاوت دارد.
واژه مهم ديگر رفتار است. زيرا تغيير رفتار با ابعاد بدني مانند طول و عرض و قد و وزن بدني ارتباط ندارد، بلكه بيشتر معلوم يادگيري است، نه دگرگونيهاي بدني.

روش های یادگیری(Learning):
1. یادگیری با ناظر(Supervised )
2. یادگیری تقویتی (Reinforcement)
3. یادگیری بدون ناظر (Unsupervised)

1. Supervised Learning ( یادگیری با ناظر) : اگر در یادگیری دقیقا به عامل آن چیز را که قرار است یاد بگیرد گفته شود و عامل بتواند خطای یادگیری خود را بدست آورد این یادگیری را با ناظر می گوییم .

2. Learning Reinforcement (یادگیری تقویتی) : در یک مسئله یادگیری تقویتی با عاملی روبرو هستیم که از طریق سعی و خطا با محیط تعامل کرده و یاد می گیرد تا عملی بهینه را برای رسیدن به هدف انتخاب نماید.
عامل، خطای یادگیری را به طور دقیق ندارد اما اطلاعات اندکی در مورد کیفیت آن به صورت پاداش(Reward) و تنبیه (Planty ) دریافت می کند .

یادگیری تقویتی از این رو مورد توجه است که راهی برای آموزش عامل ها برای انجام یک عمل از طریق دادن پاداش و تنبیه است بدون اینکه لازم باشد نحوه انجام عمل را برای عامل مشخص نمائیم.
دو استراتژی اصلی برای این کار وجود دارد:
1. یکی استفاده از الگوریتم های ژنتیکی
2. دیگری استفاده از روشهای آماری و dynamic programming

3. Unsupervised Learning (یادگیری بدون ناظر): دراین نوع یادگیری نه پاداش و تنبیه وجود دارد و نه این که دقیقا به عامل آن چیز را که قرار است یاد بگیرد گفته می شود خود روبات با محیط درگیر می شود و نتیجه می گیرد.

اهميت يادگيری :
بي‌ترديد بايد گفت كه اهميت يادگيري در رشد آدمي بسي فراتر از چشم‌انداز انديشه‌هاي اوست. روان‌شناسان به تازگي به عظمت شكل‌پذيري نوع آدمي، حتي در سالهاي نخستين او پي برده و محقق ساخته‌اند كه عامل اصلي در اين شكل‌پذيري يادگيري است. به اعتقاد آنان هر رفتاري كه از ما سر مي‌زند معلول يادگيري است. به اين معنا كه يك رشته از يادگيري هاي ساده‌ترموجب يادگيري هاي پيچيده‌تر مي‌شوند. به علاوه چون محيط زندگي افراد آدمي همواره در معرض تغيير است. انسان براي غلبه بر اين دگرگوني ها ناچار به يادگيري است.

ماهيت يادگيری:
- يادگيري در واقع هم يك رشته فرايند است و هم فرآورده تجربه‌ها. بعضي از فرايندهايي كه در داد و ستد بين موجود آدمي و محيط انجام مي‌گيرد عبارتند از احساس و ادراك، يادآوري، نمادسازي، انديشه‌هاي مجرد و تخيلي و سرانجام رفتار.
- يادگيري در حقيقت داراي مفهوم بسيار گسترده‌اي است كه در قالب هاي دگرگوني، عادت شكني، ايجاد علاقه، نگرشهاي نو، درك ارزش، ذوق و سليقه و پيشداوري پديدار مي‌شود. همچنين، شيوه تركيب و كاربرد معلومات در استدلال،‌ تفكر، نظريه‌پردازي، حل مسئله، احساس و عواطف عميق انساني، خودشناسي و دگرگوني هايي كه در كل شخصيت به وجود مي‌آيند همه از يادگيري مايه مي‌گيرند.

روان‌شناسان عصب‌گرا ويادگيری
با توجه به موارد بالا می توان گفت که يادگيري داراي دو تعريف است:
يكي به تغيير رفتار نمايان و ديگري به استعداد يا توانمندي در پاسخ دادن اختصاص مي‌يابد. اما روان‌شناسان عصب‌گرا يادگيري را تغيير در ساختار فيزيولوژي اعصاب مي‌دانند كه از استعداد ابزار پاسخ پديد مي‌آيد. دكتر هب يك رشته بررسي هايي درباره كاركرد اعصاب مركزي در رابطه با يادگيري به مضمون زير انجام داده كه در خور اهميت است:
يادگيري، فرايند ايجاد سير يا مدار عصبي نسبتاً پايدار از طريق فعاليت خود به خود در مدارهاي موجود است. وقتي فعاليتي صورت مي‌گيرد حالت تغيير در ساخت سلولها و مدارهاي عصبي ايجاد مي‌شود و پاسخ مربوط به اثر برانگيختگي و تكرار به آساني دريافت مي‌شود.
با ملاحظه تعريف هاي سه‌گانه بالا درباره يادگيري، مورد اول و دوم در بررسي هاي روان‌شناسي امروزي داراي اهميت بيشتري است، اما مورد سوم از اعتبار علمي خاصي برخوردار است.

پردازش تصویر( Image processing) :
شاید بتوان گفت یکی از بزرگترین مشکلات بشر در تکمیل سیستم های هوشمند مشکل بینایی آنان بود. با پیشرفت علم در عرصه پردازش دیجیتال سیستم ماشین بینایی جای خود را در صنعت باز کرد و روز به روز در حال تکمیل شدن است. یک سیستم ماشین بینایی مجموعه ای از عناصر لازم برای گرفتن عکس دیجیتال و اصلاح اطلاعات و عرضه آن ها به دنیای بیرون می باشد. سه بخش مهم کاری این سیستم عبارت است از:
1. Image Acquisition
2. Processing
3. Output or Display
« نمودارپردازش تصویر»
یک سیستم مبتنی بر ماشین بینایی عمده تشخیص ( Sense ) خود را با استفاده از حسگرهای بینایی و پردازشی که روی این اطلاعات انجام می دهد، بدست می آورد. از مطلب برای پردازش عکس گرفته شده استفاده کرده ایم. مطلب با استفاده از جعبه ابزاری که خود در اختیار ما می گذارد (Image processing Toolbox ) و همچنین جعبه ابزارهای الحاقی نوشته شده ( Machine Vision Toolbox[5] ) امکان خوبی برای پردازش تصویر، بدون درگیر شدن برنامه نویس با برنامه های سطح پایین در اختیار می گذارد.

تصویر گرفته شده توسط دوربین را با یکی از فرمت های قابل قبول برای مطلب ( tif ، png ، bmp ،... ) ذخیره می کنیم. مبنای ساختار داده در مطلب آرایه است، اکثر تصاویر در یک آرایه دو بعدی ذخیره می شوند ، برای مثال یک تصویر می تواند از یک ماتریس m×n با نقاط رنگی مختلف ذخیره شود. مطلب بر اساس ارتباط بین آرایه ها و رنگ پیکسل ها ، انواع تصویر را تقسیم بندی می کند.