پروژه تهیه یک اپلیکیشن جهت شناسایی مشخصات نبشی های موجود در انبار بوسیله اسکن تصویری و مقایسه نبشی ها با دکلهای تیپ مورد استفاده شرکت
2023-08-05 11:31 مناقصات علمی زاهدان 26 نمایشاهداف اجرای پروژه :
در این پروژه هدف تهیه نرم افزار (اپلیکشن تلفن همراه) می باشد که از طریق اسکن نبشی های موجود و با بهره گیری از روشهای پردازش تصویر با روشهای یادگیری عمیق مشخصات نبشی ها را بصورت دقیق معین نموده و با بانک اطلاعاتی خود شامل نبشی های مختلف مورد استفاده در تیپ های مختلف دکلهای شبکه مقایسه نموده و تتابق نبشی با نیاز را مشخص نماید
ضرورت اجرای پروژه :
هدف در این پروژه طراحی یک اپلیکیشن برای شمارش و دستهبندی موجودی انبار برای بهرهبرداری بهینه از موجودی انبار میباشد. ار آنجایی که روش پیشنهادی برای به کارگیری بر روی تلفنهای همراه طراحی شده است و با طراحی یک وب سرویس تصویر نبشی ثبت شده همرا با تصویر به سامانه انبارداری ارسال میشود. از طرفی این روش را میتوان برای دستهبندی اشیاء دیگر هم استفاده کرد
مشخصات فنی و استانداردهای مورد نیاز :
بررسی سابقه موضوع ازلحاظ نظری و تجربی همراه با ذکر منابع اساسی: تقسیم بندی تصویر یک مساله در بینایی کامپیوتری است که به هر پیکسل از تصویر یک برچسب اختصاص میدهد و تصویر را به چندین ناحیه تقسیم می کند. در این روش اطلاعات بسیار بیشتری در مورد یک تصویر نسبت به روشهای تشخیص شی که یک کادر محدود در اطراف شی شناساییشده ترسیم میکند و یا طبقه بندی تصویر که یک برچسب به شی اختصاص می دهد ارائه می دهد. تقسیمبندی در دنیای واقعی در مسائل زیادی مانند تصویربرداری پزشکی تقسیم بندی لباس نقشه های سیل اتومبیل های خودران و غیره مورد استفاده قرار گرفته است. دو نوع تقسیمبندی تصویر وجود دارد: تقسیم بندی معنایی: هر پیکسل را با یک برچسب طبقه بندی میکند. تقسیمبندی معنایی عملیات برچسبزنی هر پیکسل از تصویر با کلاس متناظر آن است که دسته هر پیکسل را مشخص میکند. این روش نواحی مختلف تصویر را که به یک دسته از اشیاء تلعق دارند را دستهبندی میکند. دستهبندی معنایی از سال ۲۰۰۷ به عنوان یکی از روشهای بینایی ماشین قرار گرفت و در سال 2014 اولین روش CNN پایان-به-پایان برای دستهبندی تصاویر طبیعی ارایه
خروجیهای مد نظر :
در این پروژه هدف تهیه نرم افزار (اپلیکشن تلفن همراه) می باشد که از طریق اسکن نبشی های موجود و با بهره گیری از روشهای پردازش تصویر با روشهای یادگیری عمیق مشخصات نبشی ها را بصورت دقیق معین نموده و با بانک اطلاعاتی خود شامل نبشی های مختلف مورد استفاده در تیپ های مختلف دکلهای شبکه مقایسه نموده و تتابق نبشی با نیاز را مشخص نماید. در این سیستم از روشهای یادگیری عمیق برای تقسیمبندی در تصویر استفاده میشود. برای این منظور نیاز به تهیه تصاویر از قطعات مختلف دکلهای برق است. پس از تهیه این تصاور محدوده نبشیها در تصویر به وسیله انسان برچسبگزاری میشود و نوع هر قطعه در تصویر تعیین میگردد. برجسبگزاری در این مرحله به صورت چندضلعیهایی است که به دور هر نبشی محاط میشود. مدل یادگیری عمیقی که در این مرحله استفاده میشود برای تعیین مرزهای یک نبشی به کار به برده میشود. سپس یک مدل تشخیص تصویر که بتواند بر روی تلفنهای همراه کار کند طراحی می شود. پس از آن مدل طراحی شده با استفاده از تصاویر برجسبگزاری شده آموزش میبیند. مدل آموزش براساس tensorflowlite برای تلفنهای همراه بهینهسازی میشود.