دانلود پروژه تشخیص برگ با متلب

گروه متلب پروژه پروژه تشخیص برگ با متلب را که توسط اساتید این مجموعه تهیه شده است با قیمتی بسیار مناسب برای فروش قرار داده است که همراه با محتوای آموزشی در فایل ورد می باشد.مقاله زیر در حوزه تشخیص برگ و ساقه های آن در محیط متلب شبیه سازی شده است.

توضیحات مجری انجام کار :

1- کد بر روی متلب ورژن 2017 طراحی و تست شده است و روی ورژن 2015 به بعد بدرستی کار میکند
2- کد اصلی برای اجرا با نام Main_code و در ئوشه ای با همین نام قرار دارد/ در داخل این پوشه 6 زیر پوشه از داده های از پیش پردازش شده وجود دارد 3 پوشه متناظر با 3 کلاس برای دیتاست از نوع S1و 3 پوشه دیگه برای S2 است
3- بسیار سعی کردم اصل داده های مقاله رو دسترسی پیدا کنم متاسفانه نویسنده داده ها رو فقط به شرط مشارکت در مقالات ارایه میدهد از یه سری داده های آنلاین استفاده کردم که لینک اون رو در داخل یکی از پوشه های داخل Extra data قرار دادم/ داده هایی که مورد استفاده قرار گرفتند خام اونها رو توی پوشه ای با نام Extra data قرار داده شده است این پوشه مستقل از کد اصلی است.

4- برای اجرای درست کد با همه داده های پوشه Main Code کنار هم باشندداده جدید داشته باشید می توانید اونها رو داخل پوشه ها قرار بدید و فقط دقت کنید که پوشه هایی که با نام s1 شروع شدن تصاویر باینری با ابعاد 100*100 رو قبول میکنه و پوشه هایی که با نام s2 شروع شدن هر تصویر با ابعاد 100*100*3 رو قبول میکنه/ برنامه بصورت اتوماتیک داده های موجود در این پوشه های رو می خونه و یک ساختار با نام ImagrDatastore که یک ساختار قابل استفاده در شبکه CNN هست تولید میکنه و همه کارها تا نتیجه نهایی اتوماتیک انجام میشود.
5- ویژگی ها و پارامترهای شبکه دقیقا براساس مقاله تنظیم شده است یه خروجی از اجرای برنامه بصورت پی دی اف به همراه فایل فرستاده شده است برای داده های S1 دقت بسیار خوبی حاصل شده است.
6- قسمت UHMT هم کامل کد و داخل قسمت Extra data یه کد هست برای پیش پردازش ازش استفاده شده است قسمت های غیرفعال شده مربوط به UHMT است. این تابع فقط برای داده های واضح از برگ که رگ ها مشخص هست کار میکنه و در حالت داده های معمول کارایی نداشت/ داده هایی هم که تولید و ذخیره شده براساس آستاه گذاری تجربی روی داده های موجود هست و برای هر مجموعه آستانه باینری کردن متفاوت هست
در کل 100 درصد روش مقاله پیاده سازی شده و فقط بدلیل نداشتن داده های مقاله از یه سری داده تقریبا مشابه استفاده شده است کد جامع هست و برای هر داده ای قابل اسفاده است.