کشاورزی ماشینی

مهندسی مکانیک بیوسیستم

مهندسی مکانیک بیوسیستم

امیدی ارجنکی
دکتری مهندسی مکانیک بیوسیستم

در این وبلاگ آموخته هایم را نشر می دهم.
آموزش و یاد دادن از زکات علم است.پیامبر خوبی ها حضرت محمد صلوا تالله علیه و آله فرمودند حکایت کسی که علم آموزد و از آن سخن نکند چون کسی است که گنجی نهد و از آن خرج نکند.
این روزها که دانش مهندسی ماشین ها و مکانیزاسیون کشاورزی غریب و محجور افتاده است، آموزش و بیان فایده ها و سودهای استفاده از اتوماسیون در کشاورزی شاید راهی برای تغییر نگرش بر این رشته باشد.
فارغ التحصیلان، استادان و دانشجویان رشته مهندسی مکانیک ماشین های کشاورزی بهترین متخصصان برای ارتباط علم نوین مهندسی با کشاورزی هستند. چون در این رشته انوع تخصص ها آموزش داده می شود. برق، کشاورزی، باغبانی، دامپروری، کامپیوتر، تجهیزات و ابزار اندازه گیری، علوم نوین مثل شبکه های عصبی، بینایی ماشین، انرژی های نوین که همه و همه از ملزمات توسعه کشاورزی نوین هستند.
استفاده از علم نوین در کشاورزی صد در صد باعث تولید غذای بیشتر، رفع وابستگی، تولید غذای با کیفیت تر، ارزانی محصولات و بازارپسندی و سود بیشتر می شود.
امیدوارم بتوانم گامی را برای این مهم بردارم.
از نظرات دوستان و هم رشته ای هایم در این وبلاگ استقبال خواهم کرد.
در آخر هم:
کارتان را برای خدا نکنید؛ برای خدا کار کنید!
تفاوتش فقط همین اندازه است که ممکن است حسین (علیه السلام) در کربلا باشد و من در حال کسب علم برای رضایت خدا ...!
شهید سید مرتضی آوینی

آخرین نظرات

۲ مطلب با کلمه‌ی کلیدی «بینایی ماشین» ثبت شده است

سلام

پیشینه تحقیق که بخشی از فصل دوم پایان نامه خودم هست را براتون گذاشتم.

حدود چهارده تا مقاله و سامانه درجه بندی را تشریح کردم.


از اینجا دانلود کنید.

۶ نظر موافقین ۰ مخالفین ۰ ۰۸ تیر ۹۲ ، ۲۰:۰۱
خلاصه
    عملیات برداشت برای بادنجان ها پیچیده است و  برای کمی کمتر از 40 درصد کل ساعت های کاری تخمین زده شده است. برای عملیات برداشت خودکار، یک ربات هوشمند که می تواند کار نیروی انسانی ای که لازم است را تقلید  کند. این مقاله توسعه یک سیستم ربات برداشت که وظایف تشخیص، رسیدن و چیدن را انجام می دهد را توضیح میدهد. به منظور انجام این وظایف، سه جزء حیاتی توسعه داده شدند. ابتدا یک الگوریتم ماشین بینایی، که یک عمل جداسازی رنگ و یک عمل تقسیم بندی عمودی را با هم ترکیب می کند، توسعه داده شد. الگوریتم می توانست تحت حالت های متفاوت نور زوج میوه را تشخیص دهد. سپس، یک مدل کنترل فازی پس خور بصری برای بکار انداختن یک بازوی مکانیکی کننده طراحی شد. مدل کنترل، انتهای بازوی مکانیکی کننده را قادر به رسیدن به میوه از فاصله 300 میلی متری می کرد. به علاوه، یک عملگر نهایی متشکل از یک مکانیزم چنگالی گرفتن میوه، یک مکانیزم تشخیص اندازه و یک مکانیزم برش ساقه توسعه داده شده است. این نیروی لازم را برای چنگ زدن میوه و برش ساقه سفت را مهیا میکند. در آخر، سه جزء حیاتی به طور وابسته ای و تابعی با هم ترکیب شده اند و یک آزمایش برداشت مقدماتی در آزمایش گاه برای تخمین کارایی سیستم انجام شد. سیستم، یک نسبت برداشت موفق 5/62 درصد را نشان می دهد، اگر چه عملگر نهایی ساقه را در یک موقعیت اندکی مرتفع برای بستر میوه می برد. مدت زمان اجرا برای برداشت یک بادنجان 1/64 ثانیه بود.

۳ نظر موافقین ۱ مخالفین ۰ ۱۳ بهمن ۹۱ ، ۱۳:۲۴