طبقه‌بندی اشیا با استفاده از دستکش هوشمند بر مبنای الگوریتم جنگل تصادفی و ماشین بردار پشتیبان

طبقه‌بندی اشیا بسیار مهم است و در زندگی روزمره ما زیاد اتفاق می‌افتد. شناسایی و طبقه‌بندی بر چندین عامل متکی است که در نبود هرکدام از این عوامل کار طبقه‌بندی به یک عمل دشوار تبدیل شود. در این مقاله با استفاده از انواع سنسورها یک دستکش طراحی‌شده است که همانند دست انسان قابلیت اندازه‌گیری برخی از پارامترهای یک جسم را دارد. اجسام شامل یک توپ بزرگ، توپ کوچک پلاستیکی، توپ کوچک فلزی، لیوان خالی و لیوان آب داغ است. هدف در این مقاله استخراج برخی از ویژگی‌های اجسام در هنگام گرفتن با دستکش است؛ پس از استخراج ویژگی هر جسم، داده‌ها به الگوریتم یادگیری ماشین جنگل تصادفی و ماشین بردار پشتیبان داده می‌شود تا با توجه به ویژگی‌های مربوط به جسم آن‌ها را طبقه‌بندی کند. دقت تخمین برای روش جنگل تصادفی 99% و برای ماشین بردار پشتیبان 98% به‌دست‌آمده است. پس انجام طبقه‌بندی، مدل الگوریتم یادگیری ماشین قابلیت تشخیص جسم را خواهد داشت. این سیستم پس از یادگیری به این‌گونه عمل می‌کند که جسم با استفاده از دستکش گرفته می‌شود و سپس با توجه به ویژگی‌های جسم، کامپیوتر تشخیص می‌دهد آن جسم چیست.

intelligent objects detection in the intelligent glove based on random forest algorithm and support vector machine.

objects classification is very important and happens a lot in our daily lives. identification and classification rely on several elements, and in the absence of any of these elements, the work of classification becomes a difficult task. in this article, a glove has been designed using various sensors, which can measure some parameters of an object just like a human hand. the objects include a large ball, small plastic ball, small metal ball, empty glass and a glass of hot water. the purpose of this article is to extract some characteristics of objects during grasping; after extracting the feature of each object, the data is given to the random forest machine learning algorithm and the support vector machine to classify them according to the features related to the object. the estimation accuracy for the random forest method is 99% and for the support vector machine is 98%. after classification, the machine learning algorithm model will be able to recognize the object. after learning, this system works in such a way that the object is taken using gloves, and then according to the characteristics of the object, the computer recognizes what that object is.