بخشی از مقاله

طراحي سيستم هوشمند سورتينگ تخم مرغ

مقدمه :
درآمد حاصل از فروش سيستم هاي ماشين بينايي و متعلقات وابسته در سال 1986 بيش از 400 ميليون دلار بوده و اين رقم تا سال 1991 بالغ بر 2 ميليارد دلار شده است. کاربرد ماشين بينايي در مواردي مثل مونتاژ محصولات ، بازرسي و انتقال مواد ، باعث بهبود کارايي اين فرايندها خواهد گرديد.
عدم اطلاع کافي مهندسين از تکنولوژي ماشين بينايي و عدم آشنايي با توجيه اقتصادي بکارگيري آن موجب شده است که در استفاده از اين تکنولوژي ترديد و بعضي مواقع واکنش منفي وجود داشته باشد. عليرغم اين موضوع ، ماشين بينايي روز به روز کاربرد بيشتري پيدا کرده و روند رشد آن چشمگير بوده است.
تعداد سيستم هاي ماشين بينايي نصب شده و در حال استفاده نسبت به تعداد مواردي که مي توانند از اين تکنولوژي بهره گيرند ، بسيار کمتر است. سازندگان و فروشندگان سيستم هاي ماشين بينايي بر اين عقيده هستند که بجز موارد معدود ، اطلاعات کاربران اين سيستم ها بسيار محدود مي باشد. در حالي که مفاهيم کلي براي کاربران شناخته شده است ، اطلاع کاربردي کافي در اختيار کاربران نيست تا بتوانند نيازهاي خودشان را با تواناييهاي ماشين مرتبط و بررسي نمايند.
نظر به اينکه کاربرد ماشين بينايي روز به روز گسترده تر مي شود و هم اکنون در برخي از صنايع مونتاژ الکترونيک ، صنايع اتوموبيل سازي و صنايع نساجي اين تکنولوژي متداول شده است. لازم مي نمايد تا صنعت کشاورزي و صنايع غذايي کشور نيز در خصوص بکارگيري اين تکنولوژي آشنايي لازم را پيدا کند. استفاده از ماشين بينايي بعنوان يک ابزار کارآمد و انعطاف پذير در سيستم هاي اتوماسيون کارخانه هاي صنايع غذايي اجتناب ناپذير خواهد بود.
اين پژوهش سعي خواهد کرد ضمن معرفي سيستم هاي ماشين بينايي و پردازش ديجيتالي تصوير و کاربردهاي آن در صنايع مربوط به کشاورزي ، به طور اخص به کاربرد آن در سورتينگ تخم مرغ و طراحي سيستم هاي مربوط به آن (نرم افزار و ...) بپردازد.

 

فصل اول
پيشينه پژوهش

1 -1 آشنايي با ماشين بينايي و پيشينه استفاده از آن
تکنولوژي ماشين بينايي و تصوير برداري ديجيتالي شامل فرايندهايي است که نيازمند بکارگيري علوم مختلف مهندسي و نرم افزار کامپيوتر مي باشد. اين فرايند را مي توان به چ

ند دسته اصلي تقسيم نمود:
1- ايجاد تصوير به شکل ديجيتالي
2- بکارگيري تکنيکهاي کامپيوتري جهت پردازش و يا اصلاح داده هاي تصويري
3- بررسي و استفاده از نتايج پردازش شده براي اهدافي چون هدايت ربات و کنترل نمودن تجهيزات خودکار ، کنترل کيفيت يک فرايند توليدي يا فراهم نمودن اطلاعات جهت تجزيه و تحليل آماري در يک سيستم توليدي کامپيوتري
در طي سه دهه گذشته تکنولوژي بينايي کامپيوتري بطور پراکنده در صنايع فضايي و بطور محدود در صنعت بکاربرده شده است. جديد بودن تکنولوژي ، نبودن سيستم مقرون به صرفه در بازار و نبودن متخصصين اين رشته باعث شده است تا اين تکنولوژي بطور گسترده استفاده نشود. تا مدتي قبل دوربين ها و سنسورهاي استفاده شده معمولا بطور سفارشي و مخصوص ساخته مي شدند تا بتوانند براي منظور خاصي مورد استفاده قرار گيرند. همچنين فرآيند ساخت مدارهاي مجتمع بسيار بزرگ (VLSI) آنقدر پيشرفت نکرده بود تا سنسورهاي حالت جامد بارزولشن بالا ساخته شود.
استفاده از سنسورهاي ذکر شده مستلزم اين بود که نرم افزار ويژه اي براي آن تهيه شود و معمولا اين نرم افزارها نيز نياز به کامپيوترهاي با توان پردازش بالا داشتند ، علاوه بر همه اين مطالب مهندسين مجبور بودند که آموزشهاي لازم را پس از فراغت از تحصيل فراگيرند ، زيرا درس ماشين بينايي در سطح آموزشهاي متداول مهندسي (ليسانس) در دانشگاهها و به شکل کلاسيک ارائه نمي شد.
تکنولوژي ماشين بينايي در دهه آينده تاثير مهمي بر تمامي کارهاي صنعتي خواهد گذاشت که دليل آن پيشرفتهاي تکنولوژي اخير در زمينه هاي مرتبط با ماشين بينايي است و اين پيشرفت ها در حدي است که استفاده از اين تکنولوژي هم اکنون حياتي مي باشد.
امروزه تمامي شرايط براي فراگير شدن تکنولوژي ماشين بينايي فراهم شده است. سنسورهاي حالت جامد و کامپيوترهاي شخصي امروزي به عنوان ابزارهاي کارآمد ، مطمئن و ارزان براي پردازش تصوير و تصميم گيري درباره آن موجود مي باشد. دانشگاهها (در آمريکا ) به تعداد کافي مهندسيني را تربيت مي کنند که دانش و مهارت کافي در زمينه ماشين بينايي را دارند و بالاخره به دليل حفظ استانداردها در سطح ملي نياز به افزايش بهره وري و بهبود کيفيت وجود دارد. علاوه بر اين، به دليل مسائلي از قبيل نياز به بررسي و دعاوي صنعتي و نياز به داشتن اطلاعات کامل از محصول در مراحل مختلف بطوري که دسترسي به آن مقدور باشد صنايع توليدي را وادار مي کند تا فرآيند جمع آوري و ذخيره اطلاعات مربوط به محصول در مراحل مختلف توليد را خودکار نمايد.
در گذشته بسياري از فرآيندهاي توليد براساس بکارگيري نيروي انساني و بينايي طراحي شده بودند. در اين سيستم ها بينايي انسان به عنوان جزء لاينفک تواناييهاي فرآيند بوده است. ورود رباتها به کارخانجات و حذف نيروي انساني ضرورت اضافه نمودن بينايي مصنوعي به سيستم را ايجاب مي نمايد. جهت بررسي موضوع نياز به بکارگيري ماشين بينايي بج

اي بينايي انسان لازم است تا مطالعه دقيق تري صورت گيرد و توانايي اين دو با هم مقايسه گردند.

1-1-1 بينايي و اتوماسيون کارخانه
وظايف اساسي که مي تواند توسط سيستم هاي ماشين بينايي انجام گيرد شامل سه دسته اصلي است:
2- بازرسي
3- ورود داده
کنترل در ساده ترين شکل آن مرتبط با تعيين موقعيت و ايجاد دستورات مناسب مي باشد تا يک مکانيزم را تحريک نموده و يا عمل خاصي صورت گيرد. هدايت نقاله هاي هدايت شونده خودکار (AGVS) در عمليات انتقال مواد در يک کارخانه ، هدايت مشعل جوشکاري در امتداد يک شيار يا لبه يا انتخاب يک سطح بخصوص براي انجام عمليات رنگ پاشي توسط ربات مثالهايي از بکارگيري ماشين بينايي در کنترل مي باشند.
کاربردهاي ماشين بينايي در بازرسي مرتبط با تعيين برخي پارامترها مي باشد. ابعاد مکانيکي و همچنين شکل آن ، کيفيت سطوح ، تعداد سوراخها در يک قطعه ، وجود و يا عدم وجود يک ويژگي يا يک قطعه در محل خاص از جمله پارامترهايي هستند که توسط ماشين بينايي ممکن است بازرسي شود. موضوع اصلي اين پروژه که دسته بندي گوجه فرنگي مي باشد نيز با کمک همين وظيفه ماشين بينايي انجام مي شود. عمل اندازه گيري توسط ماشين بينايي کم و بيش مشابه بکارگيري روشهاي سنتي استفاده از قيدها و سنجه هاي مخصوص و مقايسه ابعاد مي باشد. ساير عمليات بازرسي به جز موارد اندازه گيري شامل مواردي چون کنترل وجود برچسب بر روي محصول (داروئي، غذايي ، ...) بررسي رنگ قطعه وجود مواد خارجي در محصولات غذايي نيز با تکنيک هاي خاص انجام مي گيرد.
اطلاعات مربوط به کيفيت محصول و يا مواد و همچنين تعقيب فرآيند توليد را مي توان توسط ماشين بينايي گرفته و در بانک اطلاعاتي سيستم توليد کامپيوتري جامع بطور خودکار وارد نمود. اين روش ورود اطلاعات بسيار دقيق و قابل اعتماد است که دليل آن حذف نيروي انساني از چرخه مزبور مي باشد. علاوه بر اين ، ورود اطلاعات بسيار مقرون به صرفه خواهد بود ، چرا که اطلاعات بلافاصله پس از بازرسي و به عنوان بخشي از آن جمع آوري و منتقل مي شوند. ميزان پيچيدگي سيستم هاي بينايي متفاوت مي باشد. اين سيستم ها ممکن است منحصر به يک سيستم بارکدينگ معمولي که براي مشخص نمودن نوع محصول جهت کنترل موجودي بکار مي رود، باشد يا ممکن است متشکل از يک سيستم بينايي صنعتي کامل براي اهدافي چون کنترل کيفيت محصول باشد.

2-1-1 بينايي انسان در مقابل بينايي ماشين
نقش بينايي انسان در يک سيستم اتوماسيون صنعتي بسيار پيچيده بوده و نمي توان آن را به عنوان يک سيستم جدا که داراي نقش جداگانه اي است ، در نظر گرفت. سيستم بينايي انسان به عنوان جزئي از يک مجموعه بوده و داراي تاثيرات متقابل بر روي سا

ير سنسورها مي باشد . ميزان وابستگي بينايي به ساير سنسورهاي بدن مختلف بوده و بستگي به هوشمندي فرد و همچنين سيگنالهاي دريافت شده از ساير سنسورهاي بدن دارد.
علاوه بر اين ، حلقه هاي بازخور پيچيده ، پاسخ هاي تطبيقي ، و

پردازش سيگنالهاي در سطوح مختلف در بخش هاي مختلف بدن وجود دارد. به عنوان مثال مردمک چشم انسان در مقابل ورود پرتوهايي با مشخصات ويژه حساس مي باشد.
خستگي در افراد ، بيماري ، ميزان آموزش و دانش آنها در ميزان کارايي بينايي انسان تاثير مي گذارند. اين تاثير معمولا بگونه اي است که مقدار آن براحتي قابل اندازه گيري نيست. لذا معمولا اندازه گيري مقايسه اي بر اساس ميزان دستيابي به هدف تعيين شود صورت مي گيرد.
3-1-1 پارامترهاي مقايسه اي
در اين قسمت ماشين بينايي بر اساس وظايفي که انجام مي دهد و پارامترهاي وابسته به آن در ارتباط با فرآيندهاي صنعتي يا توليدي با بينايي انسان مقايسه شده و به بررسي بخش محدودي از نقش هايي که اهميت بيشترس در کابردهاي صنعتي دارند پرداخته مي شود.
پارامتر انسان ماشين
انعطاف پذيري بسيار تطبيق پذير و انعطاف پذير در مقابل نوع کار و ورود اطلاعات محدود به تنظيمات اوليه ، نيازمند داده هاي عددي (پيکسلها)
توانايي قادر به تخمين نسبتا دقيق موارد توصيفي مثل تشخيص ميوه بد از روي رنگ آن قادر به اندازه گيري ابعاد مي باشد مثلا اندازه يک ميوه از روي تعداد پ

يسکهاي محيط
رنگ بيان توصيفي از رنگ اندازه گيري هر يک ازمولفه هاي رنگ(R.G.B)
حساسيت قابليت تطبيق با شرايط نوري ، خواص فيزيکي سطح

اجسام و فاصله تا جسم ، محدوديت در توانايي تشخيص تعداد سطوح خاکستري ، بستگي به بيننده دارد و ممکن است در يک زمان ، متفاوت از زمان ديگر باشد. تعداد سطوح خاکستري قابل تشخيص بين 7تا10مي باشد.
حساس به فرکانس و سطح روشنايي حساس به خواص فيزيکي سطح جسم و همچنين فاصله جسم ، قابليت بيان سطح خاکستري بصورت عددي دقيق و مشخص ، براحتي قادر به تشخيص 256 سطح خاکستري مي باشد.
واکنش سرعت واکنش کند و حداکثر در حدود ثانيه مي باشد. بسيار بالا که البته بستگي به پردازشگر مورد استفاده و پهناي باند دارد. سرعت واکنش در حد 001/0 ثانيه بوده و سرعت هاي بالاتر نيز از نظر تکنيکي قابل دسترسي است.
دو و سه بعدي صحنه هاي سه بعدي به راحتي قابل درک م

ي باشند صحنه هاي دو بعدي براحتي قابل تشخيص مي باشد ولي صحنه هاي سه بعدي براحتي مقدور نيست و نيازمند به 2 دوربين بوده و سرعت نيز کم است.
خروج داده ها اطلاعات اخذ شده مي بايستي بطور دستي انتقال داده شود. هزينه انتقال ورود اطلاعات زياد بوده و ميزان خطا زياد مي باشد. اطلاعات اخذ شده بطور خودکار و مداوم وارد بانک اطلاعاتي مي شود، انتقال و ورود اطلاعات دقيق و کم هزينه مي باشد.
دريافت داده ها براساس مقياس لگاريتمي است و متاثر از رنگ زمينه مي باشد. مي تواند به هر دو صورت خطي و لگاريتمي دريافت نمايد.


طول موج محدود به طيف قابل رويت از 300 تا700 ميلي ميکرون محدوده طيف از طول موجها پايين پرتو x تا طول موج هاي بالاي مادون قرمز مي باشد.

عامل مهم در استفاده از ماشين بينايي در مقايسه با بکارگيري نيروي انساني افزايش توانمندي و بهبود کارايي مي باشد. توجه خاص به آن دسته از کاراييهاي ماشين بينايي که خارج از توانايي انسان مي باشد، مي تواند بيانگر توجيه استفاده از ماشين بينايي در فرآيند هاي توليدي مي باشد.
4-1- 1 ملاحظات اقتصادي
هر گونه پيشنهاد مبني بر استفاده ماشين بينايي براي منظور خاص مي بايستي بر اساس تاثير اقتصادي آن در کاربرد مورد نظر باشد. توجيه اقتصادي بکارگيري ماشين بينايي شامل دو جنبه مي باشد: اولا تاثير آن بر روي بهبود دهي فرايند و ثانيا هزينه هاي مستقيم توليد . امکان بهبود کيفيت محصول از طريق انجام بازرسي 100 درصد محصول و کنترل پارامترهاي مورد بازرسي در مورد تک تک محصولات مي تواند نقش مهمي در توجيه اقتصادي کاربرد ماشين بينايي داشته باشد. در همين حال ممکن است با بکارگيري ماشين بينايي هزينه واحد محصول ، کاهش پيدا کرده و بهره وري افزايش يابد.

2-1 کاربرد هاي ماشين بينايي در کشاورزي


کامپيوتري کردن توليد (CIM) يک موضوع با اهميت در پيشرفت صنايع کشاورزي و غذايي محسوب مي شود. ماشين بينايي به عنوان يک ربات در اين پيشرفت نقشي موفقيت آميز داشته و مهندسين کشاورزي و صنايع غذايي را در بهبود عمليات توليد دلگرم کرده است. به همين دليل بيش از 20 سال است که تحقيقات گسترده اي پيرامون کاربردهاي ماشين بينايي در کشاورزي و صنايع غذايي انجام شده است.

 


بيشتر اين تحقيقات به کاربرد اين سيستم در نظارت و کنترل کيفيت محصول معطوف شده است. روشهاي مرسوم نظارت ، به حواس انساني وابسته است، در بيشتر موارد اين کنترل دستي بسيار وقت گير و طاقت فرسا بوده و بعلاوه دقت آن را نمي شود ضمانت کرد.
ماشين بينايي ، علاوه بر بينايي در محدوده مرئي ، توانايي ديدن در محدوده نامرئي(ماوراء بنفش، نزديک مادون قرمز و مادون قرمز ) را نيز دارد ، اطلاعات قابل دريافت از جسم در ناحيه نامرئي مي تواند در تعيين گرماي داده شده به گياه بالغ ، تشخيص امراض گياهي ،... مفيد باشد. همچنين در تعيين وارتيه ، بلوغ ، رسيدگي و کيفيت گياهان و سبزيجات قابل استفاده است.
سادگي ، قيمت پايين ، سرعت ، دقت بالا ، غير مخرب بودن ، داشتن بازده بالا و امکان استفاده گسترده در کشاورزي از مزاياي استفاده از اين سيستم مي باشد. همچنين قابليت استفاده از اشعه X و MRI در تعيين بيماريها يا نقصهاي ديگر را نيز مي توان به آن اضافه کرد.
با سرعت و دقت بالاي سيستم هاي بينايي ، صنعت کشاورزي و صنايع غذايي در سطح جهان تمايل فراوان به تعويض سيستم هاي نظارت دستي خود با اين سيستم پيشرفته پيدا کرده است.
1-2-1 کاربرد در تشخيص کيفيت ميوه ها :
نظارت بر کيفيت ميوه ها به دو منظور انجام مي شود: ارزيابي کيفيت و پيدا کردن نقوص. قديمي ترين پژوهش در اين زمينه پيرامون سيب انجام شد پس ازآن به ساير ميوه ها نيز گسترش يافت. سيستم بينايي مي تواند در طبقه بندي از لحاظ شکل ، پيدا کردن نقوص ، درجه بندي از لحاظ کيفيت و کلاس بندي واريته ، ايفا نقش کند. رنگ ، شکل، بافت و اندازه فاکتورهاي اصلي در نظارت کيفي سيستم بينايي مي باشند.
تصاوير RGB (Red –Green – Blue) يک مورد بسيار مرسوم در اين کاربرد مي باشد. بيشتر الگوريتمهاي سيستم بينايي ميوه ها ، مبتني براين سيستم مي باشند. وقتي تمام تصاوير با سه رنگ ارائه شوند ميزان اطلاعات 3 برابر مي شود و پردازش صحيح تري را مي توان بر روي آن انجام داد. مدل ديگر تصاوير رنگي HIS(Hue ,Stauration,Intensity)مي باشد. بعضي ازپژوهشگران اين سيستم را به سيستم RGB ترجيح مي دهند. از جمله پژوهشهايي که در اين زمينه انجام شده عبارتند از :
- نمايش ساختمان و شکل ميوه سيب و سيب زميني با دقت بالا (Morimoto et al 2000)

(تصوير 1-1)
- ترکيب سنسورهاي NIR و ماشين بينايي براي تعيين مقدار SU

GER در سيب Steinmetz et al 1999

(تصوير 2-1)
- آناليز بافت پرتقال بوسيله ماشين بينايي. نتايج اين تحقيق نشان داد که اين متد مقدار شيريني پرتقالها را پيش بيني کند. (kondo 1995)
- ارزيابي رسيدگي هلو بوسيله آناليز رنگ ، اين روش مبتني بر مقايسه رنگ پوست هلو با رنگ پوست يک هلو ( به عنوان مرجع) بود. هر چند دقت اين طرح تنها 54% بود. (Millen l Delmiche 1989)
- تشخيص مقدار سفتي گلابي (Dewulf et al 1999)
2-2-1 کاربرد در کنترل کيفيت سبزيجات
بعضي از طرح هايي که در اين زمينه ارائه شد عبارتند از :
- تشخيص خواص گوجه فرنگي از قبيل اندازه ، رنگ ، شکل و ناهنجاريها بوسيله پردازش تصوير و ارتباط خواص با کيفيت دروني آن
(Nielsen et al 1998)

(تصوير 3-1)

(تصوير 4-1)
- بررسي وپيدا کردن معايب مارچوبه (Rigney et al 1992)
- تشخيص بيماريهاي قارچي با عمليات پردازش رنگ(Vizhany and Felfoldi 2000)
- طبقه بندي هويج از لحاظ معايب سطحي ، پيچش ، کجي و شکستگي (مقدار اشتباه کمتر از 15% گزارش شد. )
(Howath searay 1992)


3-2 -1 طبقه بندي و ارزيابي کيفيت حبوبات
پژوهشهايي که در اين زمينه صورت گرفته عبارتند از :
- اندازه گيري سريع و با دقت درجه آسياب شدگي گندم با استفاده از متد آناليز ديجيتال تصوير (Liu et al 1997)
- اندازه گيري مقدار سفيدي دانه ذرت ( اين فاکتور در تعيين قيمت دانه ذرت با اهميت است.)
(Liu and Poulsen 1997)
- اندازه گيري بزرگي دانه حبوبات (Ni et al 1997)
- تشخيص دانه هاي آسيب ديده حبوبات با 5% خطا
(Ng et al 1997)
- پيدا کردن زخم شدگي يا فاسد شدگي دانه گندم
)Ruan et al 1997)
- پيدا کردن لکه هاي تترازوليوم(tetrazolium) در دانه هاي ذرت (Xie Paulsen 1997)
4-2 -1 کاربرد در ساير توليدات غذايي
- درصد پف کردگي پيتزا و همچنين شيوه برش آن بوسيله ماشين بينايي با دقت 90%Sun 2000))
- ارزيابي مقدار تو خالي بودن مواد غذايي سرخ شده با دقت 100% (Yin and panigrohi 1997)
- پيش بيني نازک و لطيف بودن گوشت گاو ( با دقت کمتر از 70%) )Li et al 1997)
- تشخيص کيفيت گوشت خوک از روي رنگ آن (Lu et al 1997)
5-2-1 تکنيکهاي سه بعدي (3-D)
تصاوير در کل به شکل دوبعدي (2-D) نمايش داده مي شوند. اما تکنيکهاي جديد اين امکان را براي ما فراهم مي کنند که از تصاوير دو بعدي ، استنتاجي سه بعدي داشته باشيم. (Son kg 1999) اين سيستم جديد براي نظارت در محصولات غذايي بسيار مفيد مي باشد.
در سال 1998 اين متد با الهام از قواعدي که در شبکيه چشم انسان برقرار است پيشرفت کرد.(Kanali 1998) در اين تحقيق تعدادي تصوير از بادمجان و پرتقال گرفته شد و بوسيله الگوريتم خاصي به شکل سه بعدي شبيه سازي شد . در طبقه بندي به اين شکل ، دقت تا 96% افزايش پيدا کرد.
با اين حال ، اين متد براي پيشرفت ، نياز به زمان بيشتري دارد. زيرا فرضيه هاي هندسي در شبيه سازي هاي سه بعدي (3-D) دقت لازم را ضمانت نمي کنند.

6-2-1 نتيجه استفاده از سيستم هاي بينايي ماشين در کشاورزي
موفقيت در بازديد کيفي سريع و با دقت در کشاورزي و صنايع غذايي نشان مي دهد که ماشين بينايي ، يک وسيله مناسب در افزودن بهره وري توليد مي باشد. هر چند اين تکنولوژي جديد براي کارآمد شدن نياز به پيشرفت بيشتري دارد.

 

 


3-1 طرح يک خط مکانيزه توليد تخم مرغ
امروزه استفاده از خطوط توليد مکانيزه ، علاوه بر افزايش بهره وري، در بهبود کيفيت بهداشتي توليدات غذايي نيز نقش به سزايي را ايفا مي کند. استفاده گسترده شرکت هاي توليدي در سراسر جهان ، از اين خطوط توليد ، نشان دهنده بازده اقتصادي اين کاربرد علاوه بر مزاياي پيش گفته است. با اين حال ، در کشورها هنوز بسياري از مراحل توليد به صورت دستي انجام مي شود و مکانيزاسيون خطوط توليد ، يکي از موارد مورد نياز براي پژوهش گسترده به نظر مي رسد.
صنعت مرغداري و توليد تخم مرغ ، يکي از صنايعي است که در مکانيزه کردن آن در کشور ، تلاش چنداني صورت نگرفته است و اين در حالي است که به ماشيني کردن اين صنعت نياز فراواني احساس مي شود. در اين بخش يک سيستم مکانيزه توليد تخم مرغ بصورت کلي و طرح پيشنهادي براي مکانيزه کردن يکي از مراحل آن به صورت جزيي مورد بررسي قرار مي گيرد. اميد است که اين پژوهش گامي هر چند کوچک در راه مدرنيزه کردن بخشهاي توليدي بر دارد.
1-3 -1 اجزاء يک مرغداري مکانيزه به همراه بخش بسته بندي
بطور کلي يک واحد مکانيزه توليد تخم مرغ ، شامل مراحل زير مي باشد.
1-1-3-1 مرحله توليد شامل دو قسمت است:
الف) قسمت تهيه و نگهداري خوراک
ب) سوله هاي نگهداري مرغها

(تصوير5-1)
در يکي از سيستم هاي مورد بررسي حداقل طول اين سوله 500 فوت بوده و در هر کدام حدود 150 هزار مرغ تخم گذار نگهداري مي شوند. مرغها در رديف هاي شيب دار با کف توري شکل زندگي مي کنند که در هر رديف محل آبخوري و خو

راکدهي پيش بيني شده است. تخم مرغ ، پس از خارج شدن از بدن مرغ داخل شيارهايي با شيب معين مي افتند که اين شيارهاي شيب دار ، تخم مرغ ها را به انتهاي رديف مي رساند. در پايان رديف ، جمع کننده هاي اتوماتيک تخم مرغها را به داخل محفظه هاي پلاستيکي هدايت مي کنند.
2-1-3 -1 مرحله شستش

و
پس از انتقال محفظه هاي محتوي تخم مرغ به بخش آماده سازي تخم مرغها براي انجام ساير مراحل بر روي نقاله (اول خط) قرار مي گيرند. نقاله تخم مرغها را براي شستشو به اين بخش راهنمايي مي کند و در اين بخش تخم مرغها بوسيله يک شوينده ملايم و بهداشتي با آب 120 درجه فارنهايت شسته مي شود.

(تصوير 6-1)
3-1-3-1 مرحله درجه بندي
در اين مرحله تخم مرغها بوسيله سيستم کامپيوتري طبقه بندي مي شوند. دراين درجه بندي تخم مرغها به چند درجه (AA,A,B) و همچنين درجه کيفيت پايين تر از استاندارد طبقه بندي مي شوند. اين درجه بندي مي تواند بر اساس کيفيت دروني و بيروني تخم مرغ و همچنين سايز آن انجام شود. مشخصات دروني مانند (سفيده، زرده و حفره هاوايي داخلي) و مشخصات بيروني شامل شکل، بي نقص بودن پوست تخم مرغ و پاکيزگي آن داراي اهميت مي باشند.

(تصوير7-1)
4-1-3-1 مرحله بسته بندي
پس از درجه بندي ، تخم مرغها وارد بخش بسته بندي مي شوند. در اين مرحله تخم مرغها بر روي صفحه هاي بسته بندي قرار مي گيرند . در يکي از سيستم هاي مورد بررسي رنگ اين صفحه ها نشان دهنده سايز بخصوصي از تخم مرغ مي باشد. پس از اين مرحله تخم مرغها ، آماده براي ارسال به بازار مي باشند.

(تصوير 8-1)


فصل دوم
مواد و روشها

1-2 مفاهيم اوليه پردازش تصوير
در ابتداي اين بخش به علائم و اصلاحات مورد استفاده در پردازش تصوير مي پردازيم: به طور کلي پردازش ديجيتالي تصوير ممکن است براي دستيابي به يکي از اهداف زير مورد استفاده قرار گيرد:
1- بهبود دهي ويژگيها 2- استخراج اطلاعات

1-1-2 پيکسل
هر تصوير توسط يک ماتريس M * N از مقادير پيسکلها (المانهاي (j و i)P با مقادير اسکالر نامنفي) که بيانگر شدت نور تابيده شده از جسم بر سطح پيکسل واقع در موقعيت y) و (x مي باشد تعريف مي شود. اين مطلب در شکل 1-1-2 نشان داده شده است. در اين شکل ارتباط بين المان تصوير و پيکسلهاي ماتريس نشان داده شده است. مبدأ مختصات استفاده شده براي تصوير و ماتريس با يکديگر فرق دارند، مبدأ مختصات تصوير درگوشه چپ پايين قرار دارد در حاليکه مبدأ مختصات پيکسلها در گوشه چپ بالاي ماتريس قرار دارد.


شکل1-1-2)a- رابط بين المانهاي تصوير b- پيکسلهاي متناظر در ماتريس
افزايش y=Dy/M افزايش x=Dx/N
حداکثر تعداد پيکسلها در يک سطر = M حداکثر تعداد پيکسلها در يک ستون = N
مقدار عددي پيکسل عبارت از ميانگين شدت نور تابيده شده بر سطح پيکسل مي باشد. مقدار هر پيکسل P(i,j) بين 0 و 1 مي باشد.

2-1-2 پنجره
يک بخش يا ناحيه از تصوير را يک پنجره گويند. پنجره توسط مختصات نقاط چهارگوشه آن بيان مي شود. (شکل 2-1-2)

تصوير 2-1-2) يک پنجره از تصوير و پنجره متناظر آن در ماتريس پيکسلهاي تصوير

3-1-2 مکان پيکسل
يک پيکسل متعلق به ماتريس M N در ساده ترين شکل توسط مختصاتش بيان مي شود. پيکسل واقع در مکان m) و (n از يک ماتريس داراي مقدار عددي مي باشد که همانگونه که قبلا ذکر شد اين مقدار بيانگرمقدار نور تابيده شده از بخشي از سطح به پيکسل مربوطه مي باشد.
به عنوان مثال تصويري را در نظر بگيريد که در قسمت بالاي آن هيچگونه نوري وجود ندارد (سياه کامل) و قسمت پايين آن بسيار روشن مي باشد (سفيد کامل) و اين تصوير داراي ابعاد 10*10 مي باشد. اگر از يک سيستم دودوئي براي نشان دادن تصوير استفاده شود، آنگاه ناحيه اي که در آن هيچ نوري وجود ندارد توسط عدد صفر و قسمت روشن با مقدار يک مشخص خواه

د شد (شکل 3-1-2) چنانچه از يک ماتريس 4*5 يعني دارائي 5 رديف و 4 ستون از پيکسلها استفاده شود. هر المان 2*5/2 (پهنا * ارتفاع) اينچي از تصوير توسط يک پيکسل بيان خواهد شد که مقدار آن بستگي به ميانگين نور تابيده شده بر سطح آن دارد.



تصوير 3-1-2-a)نورپردازي نايکنواخت براي يک سطح b) مقادير متناظر پيکسلها به ازاي تصوير

سطح 2*5/2 اينچي واقع در گوشه بالاي سمت چپ که با موقعيت (1و1) در ماتريس 4*5 الماني مشخص مي شود با مقدار صفر بيان مي شود که معني آن اين است که هيچگونه نوري از اين قسمت دريافت نشده است سطح 2*5/2 اينچي واقع در گوشه پايين سمت راست تصوير يعني المان واقع در ستون چهارم و رديف پنجم (مختصات (4و5) ) با مقدار يک يعني حداکثر دريافت نور بيان مي شود. بايستي توجه داشت که چنانچه از يک سيستم که داراي 16 سطح خاکستري است استفاده مي شد آنگاه مقدار پيکسل (1و1) برابر صفر و مقدار پيکسل (4و5) برابر 16 مي بود.
مشاهده مي شود که هيچگونه اطلاعاتي در مورد مقاد

ير مياني سطح وجود ندارد و طرح سيستم بايستي يک حد آستانه را مشخص نمايد تا مقادير زير حد آستانه (کمتر از مقدار مشخص نورپردازي) توسط عدد صفر و مقادير بالاي حد آستانه توسط عدد يک بيان شوند.
در مثال ذکر شده شکل المانها تصوير مستطيلي در نظر گرفته شدند. ولي بسته به نوع سنسور ممکن است المانها به صورت مستطيلي يا دايره اي در

نظر گرفته شوند. در مورد دوربينهاي لامپي با سطح سنسور دايره اي ممکن است المانها قدري همپوشاني داشته باشند مانند شکل4-1-2.

شکل 4-1-3) المانهاي غير مستطيلي a) المانهاي گرد مجزا b) المانهاي گرد داراي همپوشاني
در هنگام استفاده از المان هاي مدور مجزا(بدون هم پوشاني ) نور از سطح تصوير كه در پيرامون دواير قرار مي گيرند، اندازه گيري نمي شود.در حالي كه وقتي ازالمانهاي با همپوشاني استفاده مي شود بخشهايي از تصوير دوبار اندازه گيري مي شود. بايستي توجه داشت نمي توان هيچگونه اطلاعاتي در مورد شکل سطحي از تصوير که توسط يک پيکسل نمايش داده مي شود بدست آورد و همچنين نمي توان از مقدار يک پيکسل اطلاعاتي درباره توزيع نور بر سطح آن پيکسل به دست آورد (مقدار پيکسل فقط بيانگر ميانگين نور تابيده شده است).
4-1-2 سطح خاکستري
براي اينکه بتوان مقادير مياني بين روشن و تاريک کامل را بيان نمود و اطلاعات تصوير کاملتري به دست آورد لازم است تا تعداد بيتهايي که مقدار پيکسل را نشان مي دهد افزايش داد. به عنوان نمونه چنانچه قرارباشد شدت نورپردازي را با چهار شدت مختلف بيان نمود لازم است تا از دو بيت دودوئي استفاده نمود. به همين ترتيب براي 16 سطح نياز به 4 بيت و براي 256 سطح نياز به 8 بيت مي باشد. تعداد مجموع سطوح خاکستري معمولا به صورت تواني از عدد 2 مي باشد. کمترين مقدار پيکسل يعني صفر براي سياه کامل بکار مي رود و مقدار يک يا عددي برابر يکي کمتر از تعداد سطوح خاکستري سيستم براي سفيد کامل استفاده مي شود، متلا عدد 15 براي بيان سفيد کامل در يک سيستم 16 سطحي بکار مي رود. مقادير پيکسلها همواره مقادير صحيح مي باشند.

سطح خاکستري دامنه مقدار خاکستري
21 2 مقدار 0و1
23 8 مقدار از 0 تا 7
24 16 مقدار از 0 تا 15
28 256 مقدار از 0 تا 255
سيستمهاي اوليه ماشين بينايي فقط دودويي بودند. به همين دليل سنسورهاي استفاده شده بسيار ساده بودند. علاوه برآن جمع آوري داده ه

ا، پردازش و ذخيره ساز تصويري ساده تر بود. اغلب ريزپردازنده هاي امروزي حداقل 8 بيتي هستند. لذا سيستمهاي 16 ، 64 و 256 سطح خاکستري متداول مي باشند. استفاده از سيستمهايي با سطوح بيشتر از 256 چندان مفيد نبوده و براي اکثر کاربردهاي صنعتي فعلي، سيستمهايي با 256 سطح کفايت مي کنند. سيستمهاي 64 و 256 سطحي تعداد سطوح بيشتري از آنچه توسط چشم انسان قابل تشخيص است را فراهم مي کنند. چشم انسان قادر است در هنگام مقايسه بين

رنگهاي مختلغ خاکستري تا 40 سطح مختلف بين سفيد و سياه کامل را تشخيص دهد ولي به طور مطلق (بدون مقايسه) قادر به مشخص نمودن 10 تا 15 سطح بيشتر نيست. قدرت تمايز يک سيستم 16 سطحي قدري کمتر از چشم انس دارند.
اگر چه سيستم بينايي استفاده شده در يک کاربرد خاص ممکن است داراي 256 سطح باشد ولي بنا به دلايلي ممکن است لازم باشد تا تعداد سطوح متفاوت استفاده شود. براي دستيابي به دقت يا تلرانس مورد نياز از تکنيکهاي اعشار پيکسل با دقت 1/9، 1/13 يا 1/20 پيکسل ممکن است استفاده شود. در اين صورت سيستمي با سطوح 9، 13 يا 20 بکار گرفته مي شود.
تعداد سطوح خاکستري با واضح تر جلوه دادن بعضي از ويژگيهاي تصوير يا حذف برخي از جزئيات بر روي کيفيت تصوير تأثير مي گذارند. در حالت کلي افزايش تعداد سطوح خاکستري باعث بهبود کيفيت تصويري شده و اين امکان را به وجود مي آورد تا بتوان بخشهاي خاصي از تصوير را بهبود داد. تصويرگيري به صورت تصاوير دودويي نيازمند حافظه کمتري مي باشد امکان استفاده از تکنيکهاي بسط سطوح خاکستري در هنگام پردازش تصوير را محدود مي کند. افزايش تعداد پيکسل هاي تصوير از مقادير کم شبيه 32*32 به 250*250 رزولوشن متفاوت از بزرگ کردن تصوير توسط عدسي مي باشد. با بزرگ کردن تصوير توسط عدسي فقط اندازه پيکسل افزايش مي يا

بد.
سيستمهاي داراي سطوح بيشتر از 2 اولا اين امکان را فراهم مي کنند تا سطوح متفاوت شدت نور تابيده شده را تفکيک نمود ثانيا امکان بهره گيري از تکنيک اعشار پيکسل را فراهم آورده که مي تواند در اندازه گيري دقيق ابعاد اجسام از آن بهره جست. در شکل 5-1-2 استفاده از ماشين بينايي با نورپردازي از پشت را براي اندازه گيري طول قطعه نشان مي دهد. گوشه هاي قطعه در شکل نشان داده شده در موقعيتهاي (2،2) و (4،2) و (4،4) قرار دارند.



شکل 5-1-2 ) a) شي بر روي ميز نور b) نمايي از بالا c) داده هاي تصويري متناظر. نقاط سياه با صفر و نقاط سفيد با 15 نشان داده شده اند.

در متن اصلی مقاله به هم ریختگی وجود ندارد. برای مطالعه بیشتر مقاله آن را خریداری کنید