فلش‌کارت‌های آموزشی پردازش تصویر در کشاورزی خودکار برای شناسایی محصولات

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب پردازش تصویر در کشاورزی خودکار برای شناسایی محصولات

موضوع کلی: امنیت غذایی و کشاورزی پایدار

موضوع میانی: اتوماسیون در کشاورزی

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر کشاورزی خودکار
• 2. مقدمه ای بر پردازش تصویر
• 3. کاربرد پردازش تصویر در کشاورزی
• 4. چالش های کشاورزی سنتی
• 5. مزایای کشاورزی خودکار
• 6. اهداف و چشم انداز کشاورزی خودکار
• 7. مقدمه ای بر سیستم های بینایی ماشین
• 8. اجزای سیستم های بینایی ماشین
• 9. مراحل پردازش تصویر
• 10. نمایش دیجیتالی تصاویر
• 11. فرمت های مختلف تصویر
• 12. تفاوت تصاویر سیاه و سفید و رنگی
• 13. تبدیل فضای رنگی
• 14. عملیات نقطه ای روی تصاویر
• 15. هیستوگرام تصاویر
• 16. تنظیم روشنایی و کنتراست
• 17. تصحیح گاما
• 18. تکنیک های هموارسازی تصویر
• 19. فیلترهای میانگین و میانه
• 20. فیلتر گوسی
• 21. فیلترهای لبه یاب
• 22. فیلتر سوبل
• 23. فیلتر پرویت
• 24. فیلتر لاپلاس
• 25. تشخیص لبه در تصاویر
• 26. بخش بندی تصویر
• 27. آستانه گذاری (Thresholding)
• 28. آستانه گذاری سراسری
• 29. آستانه گذاری تطبیقی
• 30. آستانه گذاری اوتسو
• 31. روش های مبتنی بر رشد منطقه (Region Growing)
• 32. روش های مبتنی بر تشابه پیکسل
• 33. تقسیم بندی با استفاده از الگوریتم K-means
• 34. تقسیم بندی با استفاده از الگوریتم های مبتنی بر گراف
• 35. تحلیل بافت در تصاویر
• 36. ویژگی های بافتی
• 37. روش های مبتنی بر آمارهایی از هیستوگرام مرتب شده (SRH)
• 38. روش های مبتنی بر ماتریس هم رخدادی سطح خاکستری (GLCM)
• 39. روش های مبتنی بر تبدیل موجک (Wavelet Transform)
• 40. استخراج ویژگی از تصاویر
• 41. ویژگی های هندسی
• 42. مساحت، محیط، مرکزیت
• 43. ویژگی های شکل
• 44. گردی، کشیدگی
• 45. ویژگی های بافتی (تکرار)
• 46. ویژگی های رنگی
• 47. رنگ متوسط، واریانس رنگ
• 48. استخراج ویژگی با استفاده از توصیفگرهای SIFT
• 49. استخراج ویژگی با استفاده از توصیفگرهای SURF
• 50. استخراج ویژگی با استفاده از توصیفگرهای ORB
• 51. مقدمه ای بر یادگیری ماشین
• 52. انواع یادگیری ماشین
• 53. یادگیری نظارت شده
• 54. یادگیری بدون نظارت
• 55. یادگیری تقویتی
• 56. الگوریتم های طبقه بندی
• 57. ماشین های بردار پشتیبان (SVM)
• 58. درخت های تصمیم (Decision Trees)
• 59. جنگل های تصادفی (Random Forests)
• 60. شبکه های عصبی پرسپترون چند لایه (MLP)
• 61. الگوریتم های خوشه بندی
• 62. K-means (تکرار)
• 63. DBSCAN
• 64. Hierarchical Clustering
• 65. مقدمه ای بر یادگیری عمیق
• 66. شبکه های عصبی کانولوشنال (CNN)
• 67. معماری CNN
• 68. لایه های کانولوشن
• 69. توابع فعال سازی (ReLU, Sigmoid, Tanh)
• 70. لایه های Pooling
• 71. لایه های کاملاً متصل (Fully Connected)
• 72. کاربرد CNN در تشخیص اشیاء
• 73. شبکه های تشخیص اشیاء تک مرحله ای (YOLO, SSD)
• 74. شبکه های تشخیص اشیاء دو مرحله ای (R-CNN, Faster R-CNN)
• 75. کاربرد CNN در بخش بندی معنایی (Semantic Segmentation)
• 76. شبکه های U-Net, DeepLab
• 77. کاربرد CNN در تشخیص و طبقه بندی محصولات
• 78. شناسایی مراحل رشد محصول
• 79. تشخیص بیماری و آفات
• 80. اندازه گیری پارامترهای رشد
• 81. ارزیابی کیفیت محصول
• 82. تشخیص علف های هرز
• 83. رباتیک در کشاورزی
• 84. ربات های برداشت محصول
• 85. ربات های سمپاش خودکار
• 86. ربات های کاشت خودکار
• 87. سیستم های هدایت خودکار تراکتور
• 88. کاربرد پهپادها در کشاورزی
• 89. نقشه برداری از مزارع
• 90. پایش سلامت محصولات
• 91. سمپاشی هدفمند
• 92. آبیاری هوشمند
• 93. سیستم های مدیریت داده در کشاورزی
• 94. جمع آوری داده ها
• 95. ذخیره سازی داده ها
• 96. تحلیل داده ها
• 97. تصمیم گیری مبتنی بر داده
• 98. اینترنت اشیاء (IoT) در کشاورزی
• 99. حسگرهای مختلف در مزارع
• 100. ارتباطات حسگرها