طراحی و کنترل دست سایبرنتیکی به کمک پردازش سیگنال EMG و شبکه عصبی

هدف اصلی این پروژه توان بخشی به فرد معلولی است که دستش از ناحیه ی آرنج به پایین قطع شده و برای فرمان دادن به دست مصنوعی از عضلات روی بازوی شخص معلول استفاده میشود . در حقیقت در این پروژه به دنبال روشی مناسب هستیم که
یک فرآیند کنترل دقیق را برای استفاده در یک رابط انسان _ ماشین فراهم کنیم . حال این ربات یا ماشین می تواند یک پروتز
دست مصنوعی باشد که دستورات کنترلی را از انسان دریافت می کند ویا هر چیز قابل تصور دیگری باشد که این ماشین با
دریافت فرمان از عضلات بازوی فرد معلول به صورت سیگنال EMG آنها را پردازش نموده و فرمان مورد نظر را استخراج کرده
و دستور لازم را به صورت الکترونیکی به دست مصنوعی اعمال مینماید که در این پروژه دست مورد نظر در کامپیوتر طراحی
شده است . همچنین سعی شده است با طراحی دست به صورت مجازی در کامپیوتر امکاناتی از جمله هزینه کمتر و تکرارپذیری
بیشتر را امکان پذیر سازیم زیرا در روش های مکانیکی و روش هایی که در آنها ساخت وجود دارد ،تست هایی وجود دارد که گران
هستند و همچنین امکان تکرارپذیری کمتری وجود دارد و دیگر اینکه کنترل پارامتر های مختلف در این نوع تست ها سخت می
باشد ،به همین خاطر مهندسین به روش هایی روی آوردند که به صورت کامپیوتری می باشد و سعی میشود که تست ها در فضای
مجازی انجام داده شود ،که این تست ها ارزان هستند و سریعتر انجام داده میشوند و قابلیت تکرارپذیری بالایی دارندو تمامی
پارامتر هایی که در این پدیده دخیل هستند را کنترل کرد . با بررسی عمیق تر سیگنال الکترومایوگرام و دریافت پردازش آن سعی
شده است راه عملی را برای گروهها وتیم های بعدی جهت کار بر روی دریافت سیگنال وتقویت وپردازش و تعیین شناخت الگوهای
حرکتی و نهایتا راه اندازی دست با کنترل ارادی هموار گردد . پس ابتدا با استفاده از الگوریتم ها ی مختلف همچون
(Perceptron ,KNN ,SVM , FCM, ) به آموزش شبکه و تعیین میزان خطای تشخیص دو حرکت Flextion و
Extention پرداخته و سپس با توجه به خروجی گونیا متر سه کلاس حرکتی Supination و Pronation و Extention را از هم تشخیص داده می شود . پس از این مرحله سیگنال را به صورت آنلاین ثبت

دسته بندی کیفیتی پسته با استفاده از تکنیک های پردازش تصویر

این مقاله به بررسی و دسته بندی کیفیتی پسته با استفاده از تکنیک های پردازش تصویر می پردازد

پردازش بلادرنگ پرس و جوهای مبتنی برابر در محیط های بیسیم برای شبکه های بدن جهت مانیتورینگ بیمار

این مقاله پردازش بلادرنگ پرس و جوهای مبتنی برابر در محیط های بیسیم برای شبکه های بدن جهت مانیتورینگ بیمار را مورد بررسی قرار می دهد

تشخیص موقعیت هدف پرنده به روش پردازش تصویر

تطبیق تصاویر هوایی پرنده هدایت شونده با تصاویر ماهواره ای، کاربردهای گستردهای در هدایت و ناوبری دارد. فرآیند تطبیق تصاویر هوایی و تصاویر ماهواره ای به علت اختلاف زمان تصویربرداری، تفاوت سنسورهای تصویربرداری و غیرخطی بودن نگاشت شدت توان دریافتی با سطوح خاکستری تصاویر، با مشکلات خاصی روبرو است که الگوریتم های معمول مانند ( SIFT ( قادر به حل تمامی آنها نیست. هدف این مقاله ارائه روشی نوین و بهینه برای تطبیق تصاویر هوایی با تصاویر ماهواره ای می باشد که بتواند بر این مشکلات غلبه نماید. خصوصیت اصلی این روش، به کارگیری یک استراتژی گزینشی به منظور افزایش کیفیت ویژگیهای استخراج شده و در نتیجه افزایش دقت و نیرومندی فرآیند تناظریابی می باشد. در مرحله اول از تطبیق تصویر، ویژگیهای تصاویر با تلفیقی از گامهای استاندارد و استراتژی گزینشی الگوریتم پیشنهاد شده استخراج می شوند. در مرحله بعد، انطباق اولیه میان این ویژگی ها انجام گرفته و سپس با استفاده از الگوریتم RANSAC انطباقهای غیرصحیح حذف می شوند. با استفاده از تصاویر هوایی و تصاویر ماهواره ای )مستخرج( توانایی الگوریتم پیشنهاد شده در شرایط اعمال تغییرات مقیاس، نما و چرخش ارزیابی می شود. نتایج آزمایشها بیانگر کارایی بالا و دقت مناسب الگوریتم پیشنهادی در تطبیق تصاویر هوایی و ماهوارهای می باشد. با روش ارائه شده و الگوی پیشنهادی دقت تخمین وضعیت در الگوریتم بینایی در این حوزه بهبود یافته است. ویژگیهای متناظر به کار گرفته شده برای محاسبه ماتریس هموگرافی، تاثیر قابل توجهی در دقت تخمین وضعیت دارد و خطای تخمین وضعیت کاهش می یابد.

مقایسه فیلتر های دوبعدی میانه و آماری در پردازش تصویر با نرم افزار متلب

امروزه با گسترش روز افزون روش های مختلف اخذ اطلاعات گسسته مانند پویشگرها و دوربین های دیجیتالی، پردازش تصویر کاربرد فراوانی یافته است. تصاویر حاصله از این اطلاعات همواره کم و بیش همراه مقداری نویز بوده و در مواردی نیز دارای مشکل محوشدگی مرزهای نمونه های داخل
تصویر می باشند که موجب کاهش وضوح تصویر دریافتی می گردند. مجموعه عملیات و روش هایی که به منظور کاهش عیوب و افزایش کیفیت ظاهری
تصویر مورد استفاده قرار میگیرد، پردازش تصویر نامیده می شود . اگرچه حوزه های کار با تصویر بسیار وسیع است ولی عموماً محدوده مورد توجه در
چهار زمینه ی بهبود کیفیت ظاهری (Enhancement) ، بازسازی تصاویر مختل شده (Restoration) ، فشرده گی و رمزگذاری تصویر
(Compression and Coding) و درک تصویر توسط ماشین (Understanding) متمرکز می گردد . از میان همه شاخههای هوش مصنوعی،
شاید کاربردیترین آنها کامپیوتری و مکانیزه کردن سیستمهای بینایی باشد. دامنه کاربرد این شاخه از فناوری در حال رشد، بسیار وسیع است و از
کاربردهای عادی و معمولی مثل کنترل کیفیت خط تولید و نظارت ویدئویی گرفته تا تکنولوژیهای جدید مثل اتومبیلهای بدون راننده را دربرگرفته
است.