معاونت پژوهش و فناوری، دانشگاه تبریزپردازش سیگنال پیشرفته2676-33974220201121Automatic Small Defect Detection in Unmanned Aerial Vehicle Images of Power Transmission Lines using DRSPTLتشخیص هوشمند عیوب کوچک خطوط انتقال برق در تصاویر پهپادی با استفاده از DRSPTL1591701378010.22034/jasp.2021.46213.1148FAمیتر اپیروحسینی نژاددانشگاه شهید باهنر کرمان-ایراناعظمکرمیدانشکده فیزیک، دانشگاه شهید باهنر کرمان، کرمان، ایرانJournal Article20210525Recently, small object recognition based on deep learning techniques has gained particular attention in many practical applications and is challenging because small objects have low resolution and do not contain detailed information. In this article, a new two-stage detector based on detecting objects with recursive feature pyramid and switchable atrous convolution (DetectoRS) has been introduced to find small and important defects such as loose nut-bolts and missing-nut in power transmission lines (PTL). The architecture of DetectoRS was necessarily modified. The proposed technique which is called DRSPTL, the Cascade R-CNN with ResNext-101 is used to increase the accuracy of small defect detection. In this work, high-resolution RGB images are captured by unmanned aerial vehicles (UAVs) imaging PTL from Tehran, Kerman, Shiraz, Isfahan, and Ahwaz regional electric companies, Iran. The training and test datasets from the captured faulty images are created from annotation by experts. To construct the training dataset, nearly eighty percent of the whole set of faulty images were selected and labeled. The performance of the proposed method with two state-of-the-art object detection techniques RetinaNet and RepPoints has been compared. DRSPTL has the highest small defect detection accuracy. It is noteworthy that the obtained results could significantly reduce the time and cost of electric power companies by detecting the defects automatically and preventing the occurrence of many power outages.در سالهای اخیر تشخیص اشیاء کوچک با استفاده از تکنیکهای یادگیری عمیق در بسیاری از کاربردهای عملی مورد توجه خاص قرار گرفته است و امری چالش برانگیز میباشد، زیرا اشیاء کوچک در تصاویر وضوح کمی دارند و حاوی اطلاعات دقیق نیستند. در این مقاله یک آشکارساز دومرحله ای جدید مبتنی بر تشخیص اشیاء با هرم ویژگی بازگشتی و نرخ Atrousبا استفاده از آشکارساز (DetectoRS) جهت تشخیص هوشمند عیوب کوچک و مهم خطوط انتقال برق معرفی شده و معماری DetectoRS در این راستا به طور کامل اصلاح شده است. در روش پیشنهادی DRSPTL از Cascade R-CNN با ResNext-101جهت افزایش دقت در تشخیص عیوب کوچک استفاده شده است. در این مقاله تصاویر RGB با وضوح بالا توسط پهپاد از خطوط انتقال شرکتهای برق منطقهای تهران، کرمان، شیراز، اصفهان و اهواز تهیه شده، و مجموعه دادههای آموزش و تست مربوط به عیوب توسط گروهی از متخصصین آماده شده است. برای ساخت دادههای آموزش، تقریباً 80% از کل مجموعه تصاویر حاوی عیوب کوچک، انتخاب و برچسب گذاری شدند. DRSPTL بالاترین دقت را در مقایسه با دو روش معتبر در زمینه تشخیص اشیاء RetinaNet و RepPoints دارا میباشد. قابل ذکر است که با توجه به نتایج بدست آمده می توان با شناسایی اتوماتیک عیوب و جلوگیری از وقوع بسیاری از قطعیهای برق، باعث کاهش چشمگیر زمان و هزینه شرکتهای برق منطقه ای شد.https://jasp.tabrizu.ac.ir/article_13780_215adbc4d2ab6e8bbc6df98ccf59c135.pdfمعاونت پژوهش و فناوری، دانشگاه تبریزپردازش سیگنال پیشرفته2676-33974220201121Application of Digital Image Correlation to Study the Tensile Properties of Spacer Fabricاستفاده از روش همبستگی تصاویر دیجیتال در بررسی خواص کششی پارچه اسپیسر1711831378110.22034/jasp.2021.45919.1144FAندادهقاندانشکده مهندسی نساجی - دانشگاه یزد - یزد - ایران0000-0003-2994-9108پدرامپیوندی،دانشکده مهندسی نساجی،دانشگاه یزد،یزد ،ایران0000-0002-8554-8934Journal Article20210507The importance of understanding three-dimensional spacer fabrics properties, is a reason to the development of rapid and accurate methods for determining properties, due to their numerous applications in various industries. In most applications, spacer fabrics are affected by tension; therefore, knowing their behaviour in the encounter with tension is important. The purpose of this paper is to investigate on deformation of the spacer fabric and determine the local displacements in this fabric under tension. So, the digital image correlation method was used, that is a usual method of determining the displacements and deformation of a structure under external loading. Deformation behaviour of the diamond shape unit the of spacer fabrics structure at different tensile strains, based on experimental observations and theoretical analysis using video processing and digital image correlation method was investigated in the course and wale direction. The fabric unit deformation, the distribution of the local displacements and longitudinal and transverse strain of fabric were determined using video processing and compared with experimental method. Comparison of results showed that video processing method is able to calculate the local displacement in fabric and predict the longitudinal and transverse strain at different tensile strains with an error coefficient less than 10%.اهمیت درک خواص پارچه های سهبعدی اسپیسر، با توجه به کاربردهای بیشمار آنها در صنایع مختلف، دلیلی بر توسعه روشهای سریع و دقیق تعیین خواص است. پارچه های اسپیسر در کاربردهای متعدد، تحت تأثیر نیرو قرار دارند؛ بنابراین شناخت رفتار و تغییر خواص آنها در مواجه با نیرو دارای اهمیت است. هدف از مقاله حاضر، بررسی تغییر شکل پارچه اسپیسر و تعیین جابجایی های محلی در پارچه، تحت نیروی کششی است. ازاینرو، از روش همبستگی تصاویر دیجیتال که یک روش مرسوم در تعیین جابه جایی ها و تغییر شکل یک سازه تحت بارگذاری خارجی است، استفاده شد. رفتار تغییر شکل ساختار پارچه اسپیسر با طرح واحد لوزی در دو جهت رج و ردیف، با استفاده از روش تجربی و در روش تئوری با استفاده از پردازش ویدئو و روش همبستگی تصاویر دیجیتال بررسی شد. با استفاده از پردازش ویدئو، تغییر شکل واحد در پارچه، توزیع جابجاییهای محلی و میزان کرنش طولی و عرضی پارچه، تعیین و با روش تجربی مقایسه گردید. مقایسه نتایج حاصل از پردازش با نتایج تجربی نشان داد که روش پردازش ویدئو قادر به محاسبه جابه جایی محلی در تمام قسمتهای پارچه و پیش بینی میزان کرنش طولی و عرضی در کششهای مختلف با خطای کمتر از 10% است.https://jasp.tabrizu.ac.ir/article_13781_925a4789666d6363f7872af5cf478e40.pdfمعاونت پژوهش و فناوری، دانشگاه تبریزپردازش سیگنال پیشرفته2676-33974220201121Shot detection in HEVC/H.265 videoتشخیص شات برای ویدیو HEVC/H.2651851961347510.22034/jasp.2021.13475FAمصطفیرعیتی فردگروه کامپیوتر، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایرانمهدیمحرابیگروه کامپیوتر، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران.0000-0002-1551-5723محمدقنبریدانشکده مهندسی برق و کامپیوتر، دانشگاه تهران، تهران، ایرانJournal Article20200913The huge number and volume of video and video usage have caused most of them saved and transferred as compressed video. Nowadays, indexing, searching and retrieving video directly in compressed domain has been taken great attention. The first step in video indexing and retrieval is segmenting a video into chronological sets and manageable pieces or shots. In recent years, a new video coding standard say H.265 has been introduced and it is needed to develop the methods and algorithms for analyzing, indexing and retrieving H.265 compressed video. In this paper, a novel method has been proposed for shot detection in H.265 compressed video without full decompression. In the proposed method, macro block coding information which is in headers of compressed H.265 bit-stream by a threshold is used for shot detection of compressed video. The results indicate that the proposed method detect video shots in H.265 video by 80% accuracy and 84/3% recall.رشد سریع تعداد و حجم ویدیوها باعث شده که ویدیوها بهصورت فایل فشرده ذخیره و ردوبدل شوند. امروزه، نمایهگذاری، جستجو و بازیابی فایل فشرده ویدیو از اهمیت بالایی برخوردار است. اولین گام در تحلیل، جستجو و بازیابی ویدیو، قطعهبندی زمانی ویدیوها، به مجموعههای معنادار و قطعههای قابل مدیریت یا همان شات است. در سالهای اخیر استاندارد جدید فشردهسازی ویدیو H.265 به وجود آمده است که نیاز به گسترش و تولید روشهایی جهت تحلیل و بازیابی ویدیو در این استاندارد شدیداً احساس میگردد. در این مقاله روشی برای قطعهبندی زمانی و تشخیص شات در ویدیو فشردهشده با استاندارد H.265 بدون غیر فشردهسازی کامل با استفاده از نوع خاصی از اطلاعات کدگذاری یعنی پرچمهای تبدیل که تا کنون استفاده نشده ارائه شده است. در این روش مقادیر ضرایب غیر صفر پرچمهای ماکرو بلوکهای تبدیل قابها، که در سرایند رشته بیت فشرده وجود دارد محاسبه و در نهایت با یک آستانه مناسب، مرز شات تشخیص داده میشود. آزمایشها نشان میدهد روش ارائهشده با دقت 80% و فراخوانی 3/84 % بدون غیر فشردهسازی ویدیو، شاتها را تشخیص دهد.https://jasp.tabrizu.ac.ir/article_13475_cad057a33452f3dc4d325edb4d9d8575.pdfمعاونت پژوهش و فناوری، دانشگاه تبریزپردازش سیگنال پیشرفته2676-33974220201121A new method of image encryption using image blocking and chaos mappingروش جدید رمزگذاری تصویر با استفاده از بلوک بندی و نگاشت آشوب1972111338010.22034/jasp.2021.13380FAدلاورزارعیدانشکده مهندسی برق و کامپیوتر - دانشگاه تبریزمحمدعلیبالافردانشکده مهندسی برق و کامپیوتر - دانشگاه تبریزمحمدرضافیضی درخشیدانشکده مهندسی برق و کامپیوتر - دانشگاه تبریزJournal Article20210620Encryption is one of the most powerful tools that ensures information security in the field of communication and information technology. Image encryption is different from other encryptions. This difference is due to the inherent characteristics of the images. Recent attempts to encrypt images have been based on chaos. In this paper, a new chaos-based encryption algorithm for image encryption is presented. In the proposed method, instead of encryption one image in each step, four images are encrypted simultaneously. In this way, four standard images are combined and a single image of their combination is created. Simultaneous encoding of four images will cause to complicate the proposed encryption algorithm, increase security, and extend the amount of gray area per pixel. Finally, the resulting image is XORed with encryption key and the encrypted image is generated. Considering the combination of four images and their simultaneous encoding, as well as examining a large number of image evaluation criteria, specifically the information entropy, that has achieved a value equal to 7/9994 in our proposed algorithm, which is really close to the ideal value of 8, shows that the proposed algorithm performs appropriately.رمزگذاری یکی از قدرتمندترین ابزارهایی است که امنیت اطلاعات را در حوزه ارتباطات و فناوری اطلاعات تضمین میکند. رمزگذاری تصویر از سایر رمزگذاریها متفاوت است. این تفاوت به دلیل ویژگیهای ذاتی تصاویر است. آخرین تلاشها در زمینهی رمزگذاری تصاویر بر پایهی آشوب بوده است. در این مقاله، یک الگوریتم جدید رمزگذاری مبتنی برآشوب برای رمزگذاری تصویر ارائه شده است. در روش پیشنهادی به جای رمزگذاری یک تصویر در هر مرحله، چهار تصویر بهصورت همزمان رمزگذاری میشود. به این ترتیب که چهار تصویر استاندارد با همدیگر ترکیب شده و یک تصویر واحد از ترکیب آنها به وجود میآید. رمزگذاری همزمان چهار تصویر باعث پیچیدهتر شدن الگوریتم رمزگذاری پیشنهادی، افزایش امنیت و همچنین گستردگی تغییر مقدار سطح خاکستری هر پیکسل خواهد شد. از نگاشت لجستیک آشوب برای تولید کلید و همچنین جابجایی بلوکهای تصویر و تغییر مکان آنها استفاده میشود. در نهایت تصویر حاصل با کلید رمزگذاری، XOR شده و تصویر رمزگذاری شده تولید میگردد. با توجه به ترکیب چهار تصویر و رمزگذاری همزمان آنها و بررسی تعداد زیادی از معیارهای ارزیابی تصویر ازجمله معیار آنتروپی اطلاعات که مقدار آن در الگوریتم پیشنهادی ما عدد9994/7 به دست آمده است و به مقدار ایدهآل 8 بسیار نزدیک است، نشان میدهد که الگوریتم پیشنهادی ما از عملکرد خوبی برخوردار است.https://jasp.tabrizu.ac.ir/article_13380_0d98b9fc4bc62d234b4c10b84accb5b5.pdfمعاونت پژوهش و فناوری، دانشگاه تبریزپردازش سیگنال پیشرفته2676-33974220201121Facial Skin Segmentation Based on Color Images using Combined Approach of Self Organizing Map and Neural Gas Network Applicable to Facial Plastic Surgeriesبخش بندی پوست چهره مبتنی بر تصاویر رنگی با استفاده از رویکرد ترکیب نگاشت خودسازمانده و شبکههای عصبی گازی جهت کاربرد در جراحیهای پلاستیک چهره2132241343810.22034/jasp.2021.13438FAعلیفهمی جعفرقلخانلودانشکده مهندسی پزشکی، دانشگاه صنعتی سهند، تبریز، ایرانموسیشمسیداشکده مهندسی پزشکی، دانشگاه صنعتی سهند، تبریز، ایرانJournal Article20200508 Facial image segmentation is an essential component in applications of image processing and computer vision such as face recognition, identity recognition and analysis of facial plastic surgery. The clustering based methods are one of the important methods in the facial image segmentation. Self-Organizing Map (SOM) is a powerful method in the data mining. A main disadvantage of the SOM algorithm is that learning coefficient is not adaptive in this algorithm. Adaptability of learning coefficient in the adaptation phase can improve the performance of the SOM clustering. Neural Gas Network (NGN) is an unsupervised learning that its neighborhood structure is adaptive and synaptic weight is updated without any topological adjustment. The main purpose of this study is to present a new hybrid SOMNGN method in which the learning coefficient is adapted in the adaptation phase of the SOM algorithm using the NGN algorithm. Also, two color spaces, including YCbCr and Face Mapping are used for facial skin modelling as a pre-processing step. Obtained results in the mentioned color spaces show that presented method have the higher accuracy than the standard SOM method.بخشبندی تصویر چهره یک مولفهی ضروری در کاربردهای پردازش تصویر و بینایی کامپیوتر نظیر شناسایی چهره، شناسایی هویت و آنالیز جراحی پلاستیک چهره است. یکی از مهمترین روشهای بخشبندی تصاویر چهره، روشهای مبتنی بر خوشهبندی هستند. نگاشت خودسازمانده (SOM) جزء پرکاربردترین روش مبتنی برشبکههای عصبی در دادهکاوی است. عیب مهمی که الگوریتم SOM استاندارد دارد این است که ضریب یادگیری در آن وفقی نیست. وفقی بودن ضریب یادگیری در بهروزرسانی وزنهای نگاشت خودسازمانده منجر به بهتر شدن عملکرد این الگوریتم خواهد شد. شبکهی عصبی گازی (NGN) یک یادگیری بدون ناظر بوده که ساختار همسایگی در آن وفقی بوده و وزن سیناپسی مستقل از هر گونه تنظیم توپولوژیکی بهروزرسانی میشود. هدف اصلی این پژوهش، ارائهی روش هیبریدی جدید SOMNGN است که در آن بتوان ضریب یادگیری در فاز تطبیق الگوریتم SOM استاندارد را با استفاده از الگوریتم NGN وفقی کرد. همچنین، دو فضای رنگی شامل YCbCr و فضای نگاشت چهره بهعنوان مرحلهی پیشپردازش جهت مدل کردن پوست چهره بهکار گرفته شده است. نتایج بهدست آمده در فضاهای رنگی ذکر شده نشان میدهند که الگوریتم پیشنهادی نسبت به SOM استاندارد دقت بالاتری در آشکارسازی صحیح پیکسلهای پوست چهره دارد.https://jasp.tabrizu.ac.ir/article_13438_64407c0c20df48a0859930ab074b339c.pdfمعاونت پژوهش و فناوری، دانشگاه تبریزپردازش سیگنال پیشرفته2676-33974220201121Deep Convolutional Neural Networks for Diabetic Retinopathy Screeningتشخیص دیابت چشمی با استفاده از شبکههای عصبی کانولوشنال عمیق2252371372510.22034/jasp.2021.45134.1135FAعلیکارسازگروه برق و مهندسی پزشکی، موسسه آموزش عالی خراسان، مشهد، ایران0000-0003-1236-6723صبورامحمدیان روشنگروه مهندسی برق و مهندسی پزشکی، موسسه آموزش عالی خراسان، مشهد، ایرانJournal Article20210322Diabetic Retinopathy (DR) is one of the major complications of Diabetes, which is the injury to the retina of the diabetic patient and causes blindness if not diagnosed in early stages. Various machine learning classification and clustering approaches have been studied in literature with the purpose of improving the accuracy of the screening methods. Some of machine learning classification and clustering approaches are based on manually feature extraction of fundus images by image processing experts. In recent years, a new approach for image classification and diagnosis without using any manual feature extraction is proposed based on convolutional neural network (CNN). In medical imaging and diagnosis, training a deep CNN from scratch is difficult because it requires a large amount of labeled training data and the training procedure is a time consuming task to ensure proper convergence. Therefore, a very common method to train CNNs for medical diagnosis is fine-tuning a pre-trained CNN. In this paper, the pre-trained GoogleNet as a powerful CNN is employed on the Kaggle database for DR diagnosis from retinal images. To assess the efficacy of the clinical results, the proposed CNN algorithm is performed to diagnose DR from the images that are gathered from the the Navid-Didegan ophthalmology clinic.دیابت چشمی به عنوان یکی از عوارض مهم دیابت، باعث آسیب به شبکیه چشم بیمار شده و تشخیص دیرهنگام آن حتی میتواند موجب نابینایی گردد. برخی از روشهای دستهبندی مبتنی بر یادگیری ماشین بر اساس استخراج دادههای تصاویر شبکیه به صورت دستی بوده و توسط متخصصین پردازش تصویر صورت میپذیرد. در سالهای اخیر روشی جدید برای تشخیص و طبقهبندی تصاویر شبکیه چشم بدون نیاز به استخراج ویژگیهای آن بهصورت دستی مبتنی بر شبکههای عصبی کانولوشنال<em> </em><em>(CNN)</em> ارائه شده است. در زمینه تشخیص و تصویربرداری پزشکی، به علت کمبود دادههای طبقهبندی شده و زمانبر بودن فرآیند آموزش تا یک همگرایی مناسب، آموزش یک شبکه<em> </em><em>CNN</em> از ابتدا دشوار بوده بنابراین یک روش متداول برای آموزش شبکههای <em>CNN</em> در حوزه پزشکی، بر اساس تنظیم مجدد شبکههای از پیش آموزش یافته، میباشد. برای این منظور در این مقاله، شبکه از پیش آموزش داده شده گوگلنت <strong>(</strong><em>GoogLeNet</em><strong>)</strong> به عنوان یکی از قویترین شبکههای عصبی کانولوشنال بر روی تصاویر شبکیه چشم بانک اطلاعات چشم پزشکی کگل <em>(Kaggle Database)</em> جهت تشخیص رتینوپاتی دیابتی اعمال میشود. همچنین جهت ارزیابی کلینیکی ساختار پیشنهادی، شبکه آموزش دیده جهت تشخیص دیابت چشمی بر روی 101 تصویر شبکیه از کلینیک تخصصی چشمپزشکی نوید دیدگان با موفقیت اعمال گردید.https://jasp.tabrizu.ac.ir/article_13725_e92619f9ff470d88b3cd6fab3ca83eca.pdfمعاونت پژوهش و فناوری، دانشگاه تبریزپردازش سیگنال پیشرفته2676-33974220201121Power Allocation in Fixed-Gain and Variable-Gain Full-Duplex Relays with Channel Estimation Errorتخصیص توان در رلههای بهره ثابت و بهره متغیر تمام دوطرفه با وجود خطای تخمین ضرایب کانال2392491351810.22034/jasp.2021.13518FAمحمدلاریاستادیار، گروه مخابرات، دانشکده مهندسی برق و کامپیوتر دانشگاه سمنان0000-0002-7940-175Xمحمد حسینمختاریدانشکده مهندسی برق و کامپیوتر دانشگاه سمنان0000-0001-7370-8681Journal Article20210408Improving the performance of relay systems using patterns such as power allocation requires access to instantaneous channel coefficients . extraction of this information is always prone to errors and this error increases the undesirable portions of the received signal in the receiver , in addition to disrupting the relay system optimization pattern . the Fixed and variable Gain relays , according to the type of operation , have different effect on the estimation error of channel coefficients . in this paper , with a detailed examination of the effect of the estimation error of channel coefficients according to the pattern of estimation , suitable power allocation is proposed to reduce the effects of undesirable segments in the Fixed and variable Gain operation. Reference papers in this matter for power allocation always use second - order statistical data but in this paper , the estimated coefficients will be used . due to the complexity of the performance of the variable gain relay in control of the interference channel effect in two-way relay , the closed form for power allocation is presented.بهبود عملکرد سیستمهای رله با استفاده از الگوهایی همانند تخصیص توان نیازمند دسترسی به ضرایب لحظهای کانال است. استخراج این اطلاعات از کانال مخابراتی همواره با خطا مواجه میشود و این خطا علاوه بر اینکه الگوی بهینهسازی سیستمهای رله را برهم میزند، بخشهای نامطلوب در سیگنال دریافتی را در گیرنده افزایش میدهد. رلههای بهره ثابت و متغیر هرکدام با توجه به نوع عملکرد، تأثیرپذیری متفاوتی نسبت به خطای تخمین ضرایب کانال دارند. در این مقاله با بررسی دقیق تأثیر خطای تخمین ضرایب کانال با توجه به الگوی تخمین و الگوی ارسال سمبلهای آموزشی، تخصیص توان مناسبی برای کاهش اثرات بخشهای نامطلوب در رلههای بهره ثابت و بهره متغیر ارائه خواهد شد. مقالات مرجع در این موضوع برای تخصیص توان همواره از اطلاعات آماری مرتبه دوم استفاده کردند اما در این مقاله از ضرایب تخمینی استفاده خواهد شد. با توجه به پیچیدگی بیشتر عملکرد رله بهره متغیر در کنترل تأثیر کانال تداخلی در رله تمام دوطرفه، فرم بسته برای تخصیص توان ارائه میشود.https://jasp.tabrizu.ac.ir/article_13518_4b3443eb37afc0883dc1087645148db7.pdfمعاونت پژوهش و فناوری، دانشگاه تبریزپردازش سیگنال پیشرفته2676-33974220201121Farsi Handwritten Digits Recognition based on Interval Type-II Fuzzy Fusion of Support Vector Machinesبازشناسی ارقام دستنویس فارسی مبتنی بر ترکیب ماشینهای بردار پشتیبان به روش فازی نوع دو بازه ای2512621358010.22034/jasp.2021.13580FAآذرمحمودزاده1- گروه مهندسی برق- واحد شیراز، دانشگاه آزاد اسلامی- شیراز- ایران0000-0002-1517-9985حامدآگاهی1- گروه مهندسی برق- واحد شیراز، دانشگاه آزاد اسلامی- شیراز- ایرانJournal Article20200722The problem of automatic handwritten context recognition has received considerable attention of many researchers. In this paper, a fusion system is proposed to enhance the recognition accuracy of Farsi handwritten digits. The proposed approach consists of a prepration process and two main phases. In the prepration process, some pre-processing operations are performed on the image. Then some features are extracted, among which a multi-objective particle swarm optimization selects more effective ones. For every image, these optimal features are given as the input data to the classifiers. In the first main phase, training datasets are used to construct three different SVMs. In order to achieve better results, the adaptive best-mass gravitational search algorithm is utilized to adjust the SVMs parameters. In the second main phase, an interval type–II fuzzy inference system receives the SVMs outputs and by combining them, it presents a more accurate estimation of the digit in the image. The results of applying the proposed approach to the problem of scanned Farsi handwritten digits in the standard HODA database demonstrated that this algorithm attains high accuracy, precision and recall performance indices, comparing to other existing methods.مساله بازشناسی خودکار محتوای دستنوشتهها، همواره مورد توجه بسیاری از محققان بوده است. در این مقاله، یک سیستم ترکیبی برای افزایش دقت تشخیص ارقام دستنویس فارسی ارائه شده است. روش پیشنهادی شامل یک فرایند آمادهسازی و دو مرحله اصلی است. در فرایند آماده سازی، چندین عملیات پیش پردازش بر روی تصاویر انجام شده و پس از استخراج ویژگیها، از الگوریتم بهینهسازی اجتماع ذرات چندهدفه برای انتخاب ویژگیهای مؤثر استفاده شده است. آنگاه متناظر هر تصویر، این ویژگیهای بهینه به عنوان داده ورودی به طبقهبندها داده میشود. در مرحله اصلی اول، به کمک مجموعه دادههای یادگیری، سه ماشین بردار پشتیبان مختلف ساخته میشود. برای دستیابی به نتایج بهتر، الگوریتم جستجوی گرانشی بهترین جِرم تطبیقی، برای تنظیم پارامترهای این ماشینها به کار گرفته شده است. در مرحله اصلی دوم، یک سیستم استنتاج فازی نوع دو بازهای، خروجیهای سه ماشین بردار پشتیبان را دریافت میکند و با ترکیب آنها، تخمین دقیقتری از عدد موجود در تصویر ارائه میدهد. نتایج اِعمال روش پیشنهادی به مساله بازشناسی ارقام دستنویس فارسی اسکن شده در پایگاه داده استاندارد HODA نشان داده است که این الگوریتم در مقایسه با سایر روشهای موجود، دارای مقادیر بالای دقت، صحت و فراخوان میباشد.https://jasp.tabrizu.ac.ir/article_13580_1d06fae04acc8d318a9848222ce5a313.pdfمعاونت پژوهش و فناوری، دانشگاه تبریزپردازش سیگنال پیشرفته2676-33974220201121Heart Sound (PCG) Signal Compression based on Down-sampling and two-dimensionalizationفشردهسازی سیگنالهای صوتی قلب (PCG) مبتنی بر نمونهکاهی و دوبعدیسازی2632781375210.22034/jasp.2021.45869.1142FAسلیمهمرادیدانشگاه صنعتی شاهرودهادیگرایلوگروه الکترونیک- دانشکده برق و رباتیک - دانشگاه صنعتی شاهرود0000-0002-3177-969XJournal Article20210505In this paper, a lossy compression method with the ability to control the quality of the reconstructed signal is proposed for phonocardiography (PCG) signals. It is based on two main ideas: down-sampling and two-dimensionalization. For PCG image compression, wavelet transform and Spatial-oriented Tree Wavelet (STW) encoder are used. In the proposed method, there is the ability to control the quality of the reconstructed signal using a Percent Root-mean-square Difference (PRD)-related threshold. The simulation results of the proposed method on some public databases indicates that the down-sampling stage has a significant effect on increasing the compression ratio especially in the case of databases with high sampling frequency. The next important factor in improving the compression efficiency of the proposed method is the use of two-dimensional PCG signal in order to take advantage of the inter-period redundancy in this type of repetitive signals, and using modern effective methods for image compression. The efficiency of the proposed method was evaluated according to the average PRD and Compression Ratio (CR) criteria and compared with the results of several existing methods. In this evaluation, while limiting PRD≤5%, the lowest average compression ratio was related to the Artifacts dataset from the Pascal database (with a sampling frequency of 2000 Hz) and the highest average compression ratio was related to the database of the University of Washington (with a sampling frequency of 44100 Hz).در این مقاله یک روش فشردهسازی بااتلاف با قابلیت کنترل نسبی کیفیت سیگنال بازسازی شده برای سیگنال صوتی قلب یا فونوکاردیوگرام (PCG) پیشنهاد شده است که مبتنی بر دو ایده مهم یکی نمونهکاهی و دیگری دوبعدیسازی و تشکیل تصویر PCG است. در فشردهسازی تصویر PCG از تبدیل موجک و یک کدگذار ماتریس ضرایب موجک به نام «موجک درخت فضاگرا» (STW) استفاده شده است. در روش پیشنهادی، قابلیت نسبی کنترل کیفیت سیگنال بازسازی شده به کمک یک آستانه از جنس معیار ارزیابی «ریشه درصدی میانگین مجذور تفاضلات» (PRD) وجود دارد. نتایج شبیهسازی روش پیشنهادی روی چند پایگاه داده قابل دسترس برای همگان نشان میدهد که مرحله نمونهکاهی سهم زیادی در افزایش میزان فشردهسازی به ویژه در مورد پایگاههای داده با فرکانس نمونهبرداری بالا دارد. عامل مهم بعدی در بهبود کارایی فشردهسازی روش پیشنهادی، استفاده از دوبعدیسازی سیگنال PCG به منظور استفاده از تزایدهای بین دورهای موجود در این نوع سیگنالهای تکرارشونده، و استفاده از روشهای موثر امروزی برای فشردهسازی تصویر است. کارایی روش پیشنهادی بر طبق معیارهای متوسط PRD و متوسط «نسبت فشردهسازی» (CR) ارزیابی و با نتایج چند روش موجود مقایسه شده است. در این ارزیابی، به ازاء مقدار تقریبی PRD≤5% پایینترین مقدار متوسط میزان فشردهسازی مربوط به دسته آرتیفکت از پایگاه داده پاسکال (با فرکانس نمونهبرداری 2000 هرتز) و بیشترین مقدار متوسط میزان فشردهسازی مربوط به پایگاه داده دانشگاه واشنگتن (با فرکانس نمونهبرداری 44100 هرتز) حاصل شده است.https://jasp.tabrizu.ac.ir/article_13752_e9b4f5ef009fab88e0a3a47f99119345.pdfمعاونت پژوهش و فناوری، دانشگاه تبریزپردازش سیگنال پیشرفته2676-33974220201121Decoding Speech Imagination for Words of Rock-Paper-Scissors Game using EEG Signalsتشخیص تصور گفتار کلمات بازی سنگ، کاغذ، قیچی با استفاده از سیگنال های EEG2792891351110.22034/jasp.2021.13511FAمجیدمقدریدانشکده مهندسی برق و کامپیوتر - دانشگاه تبریز - تبریز - ایرانمینازلفی لیقواندانشکده مهندسی برق و کامپیوتر - دانشگاه تبریز - تبریز - ایرانسبلاندانشوردانشکده مهندسی برق و کامپیوتر - دانشگاه برونل- لندن - انگلستانJournal Article20210624Recognition of silent speech only by decoding brain signals is one of the latest research in the field of artificial intelligence. The 3rd Iranian national brain-computer interface competition, which was held by the National Brain Mapping Center of Iran in 2020, was dedicated to the classification of imagined speech for the three words of rock-paper-scissors game. In this contest, the authors introduced an approach based on wavelet packets decomposition and common spatial pattern and could win the second place. We evaluated some of the most famous classifiers including support vector machine, k-nearest neighbor, random forest, logistic regression, XGBoost and dense deep learning model separately for each subject and simultaneously for all subjects. The best average accuracy was 51.7%. Then we developed the model using spectrogram and convolutional neural network and achieved average accuracy of 76.5%. The accuracy was much better than the accuracy reported by other researchers on this dataset. Also, the performance of our model is superior to recent research in this field on different datasets.درک صحبتهای افراد بدون نیاز به بیان و تنها با استفاده از رمزگشایی سیگنالهای مغزی در هنگام تصور گفتار، یکی از بروزترین تحقیقات در زمینه هوش مصنوعی میباشد. سومین مسابقه ملی واسط مغز و رایانه که توسط مرکز ملی نقشه برداری مغز ایران در سال 1399 برگزار گردید به دستهبندی تصور گفتار برای سه کلمه سنگ، کاغذ و قیچی اختصاص یافت. در این مسابقه نویسندگان این مقاله با استفاده از تجزیه بستههای موجک و الگوی مکانی مشترک و بکارگیری دستهبندهای مختلف توانستند مقام دوم را کسب نمایند. دستهبندهای ماشین بردار پشتیبان، k-نزدیکترین همسایه، جنگل تصادفی، رگرسیون لجستیک ، XGBoost و مدل یادگیری عمیق Dense را بصورت جداگانه برای هر فرد و همچنین بصورت همزمان برای تمامی افراد ارزیابی نمودیم و بهترین دقت میانگین 7/51% حاصل شد. در ادامه این مدل را با استفاده از روش اسپکتروگرام و شبکه عصبی کانولوشنی توسعه دادیم و توانستیم به دقت میانگین 5/76% دست یابیم. این دقت از بهترین دقت گزارش شده بر روی این مجموعه داده بسیار بهتر بوده است. همچنین عملکرد این مدل در مقایسه با پژوهشهای اخیر در این زمینه بر روی مجموعه دادههای مختلف، برتری دارد.https://jasp.tabrizu.ac.ir/article_13511_c48fc17bff0f48b83c6004b826afb761.pdfمعاونت پژوهش و فناوری، دانشگاه تبریزپردازش سیگنال پیشرفته2676-33974220201121Design and simulation of an optimized Ternary-to-Binary converter based on carbon nanotube field effect transistorطراحی و شبیهسازی مبدل ترنری به باینری بهینه شده بر پایه ترانزیستورهای اثر میدان نانو لوله کربنی2913011351210.22034/jasp.2021.13512FAسید سعیدموسویگروه مهندسی برق، دانشگاه شهید مدنی آذربایجان، تبریزموسییوسفیگروه مهندسی برق- دانشکده فنی ومهندسی دانشگاه شهید مدنی آذربایجانخلیلمنفردیهیات علمی-دانشگاه شهید مدنی آذربایجانJournal Article20210124This paper presents an optimized multi-digit Ternary to Binary converter based on nano-carbone tubes field-effect transistors. By modifying a part of the circuit structure of the ternary-to-binary converter, the efficiency of the system has increased. Due to the unique features nanotubes carbon tubes feild effect transistors, as well as the possibility of designing different threshold voltages for transistors, designing multi-level logic systems is much simpler and less costly. Therefore, considering that the existing processing systems work on a dual basis, the design of binary to bernary converters and vice versa is very important and basic processing systems. Therefore, considering that the existing processing systems work on a binary, the design of binary to turner and turner to binary converters is very important and fundamental in processing systems. The circuit modification has reduced chip occupancy, reduced power consumption, and reduced circuit latency. The proper and optimal performance of the proposed converter have been confirmed by simulation by HSPICE software based on 32 nm CNTFET transistor. The simulation results show that the optimal terbnary to binary converter has a power consumption of 0.665 μW and a propagation delay of 27.3 ps. These results show that overall PDP index has improved by 14.4%.این مقاله یک مبدل ترنری به باینری چندرقمی بهینه شده مبتنی بر ترانزیستورهایاثرمیداننانولولهکربنی ارائه میدهد. با توجه به ویژگیهای منحصر بفرد ترانزیستورهای اثرمیدان نانو لولهکربنی همانند امکان طراحی با ولتاژ آستانههای مختلف برای ترانزیستور، طراحی سیستمهای منطقی چند ارزشی به مراتب سادهتر و کم هزینهتر می باشد. لذا با توجه به اینکه سیستمهای پردازشی موجود با مبنای دو کار میکنند طراحی مبدلهای باینری به ترنری و برعکس، سیستمهای پردازشی بسیار مهم و اساسی است. در این مقاله با اصلاح در بخشی از ساختار مداری مبدل ترنری به باینری سهرقمی کارایی سیستم افزایش یافته است. اصلاح مدار باعث کاهش سطح اشغالی تراشه، کاهش توان مصرفی و کاهش تاخیر مدار شده است. عملکرد مناسب و کارایی بهینه مبدل پیشنهادی با استفاده از شبیهسازی توسط نرم-افزار HSPICE و بر مبنای ترانزیستورCNTFET 32 نانومتر تأیید شده است. نتایج شبیه سازی نشان میدهد که مبدل ترنری به باینری 3 به 5 بهینه دارای توان مصرفی 665/0 و تاخیر انتشار 3/27 پیکوثانیه است. این نتایج نشان میدهد به طور کلی شاخص PDP به میزان 4/14درصد بهبود یافته است.https://jasp.tabrizu.ac.ir/article_13512_dc9812f0be66624118ebf0157300b4ad.pdfمعاونت پژوهش و فناوری، دانشگاه تبریزپردازش سیگنال پیشرفته2676-33974220201121Automatic optical inspection of printed circuit boardsنظارت خودکار نوری بردهای مدار چاپی3033091392910.22034/jasp.2021.47411.1154FAآرشآراونددانشکده مهندسی برق و کامپیوتر - دانشگاه تبریز - تبریز - ایرانقادرکریمیاندانشکده مهندسی برق و کامپیوتر - دانشگاه تبریز - تبریز - ایرانجعفرصبحیدانشکده مهندسی برق و کامپیوتر - دانشگاه تبریز - تبریز - ایرانJournal Article20210809Today, the use of automated optical inspection systems in the production of printed circuit boards to control solders, the presence of the right elements and their direction has become an essential tool for electronic companies. The printed circuit board in this system is irradiated by several light sources and one or more high-definition cameras are used for imaging. Automated optical inspection system, using the recorded image and comparing the image information with the machine information, detects and specifies any type of error (defect) or suspicious areas. In this paper, using a camera mounted on a conveyor, we try to cover most of the common errors that occur on printed circuit boards at any stage of the production line. The traveling salesman algorithm is used to control the movement of the camera on the conveyor. To introduce the printed circuit board to the system, a software has been designed that uses a CAD file to obtain the location and type of elements on the board. By selecting the optimal camera movement path, it detects errors due to the absence of elements, direction of elements, lack of soldering, cold soldering, excessive soldering, etc. in three stages of feature extraction, feature selection and decision making. The results show that the device is efficient in detecting glue error before installing the elements and detecting errors after tin bathامروزه استفاده از دستگاههای نظارت نوری خودکار در تولید بردهای مدار چاپی برای کنترل کردن لحیمکاریها، وجود المانها مقدار صحیح و جهت آنها به یک ابزار ضروری برای شرکتهای الکترونیکی تبدیل شده است. برد مدار چاپی در این دستگاه توسط چندین منبع نوری پرتوافکنی میشود و یک یا چند دوربین با مشخصات بالا برای تصویربرداری استفاده میشود. دستگاه نظارت نوری خودکار، با استفاده از تصویر ثبتشده و مقایسه اطلاعات تصویر با اطلاعات ماشین، هر نوع خطا (نقص) یا نواحی مشکوک را شناسایی و مشخص میکند. در این مقاله با استفاده از یک دوربین نصب شده بالای یک نوار نقاله سعی شده است اغلب خطاهای رایج که بر روی بردهای مدار چاپی در هر مرحله از خط تولید اتفاق میافتد پوشش داده شود. برای کنترل مسیر حرکت دوربین روی نوار نقاله از الگوریتم فروشنده دورهگرد استفاده شده است. برای معرفی برد مدار چاپی به دستگاه، یک نرمافزار طراحی شده است که به کمک یک فایل CAD مکان و نوع المانها را بر روی برد بدست میآورد و با انتخاب مسیر بهینه حرکت دوربین، خطاهای ناشی از عدم وجود المانها، جهت المانها، عدم لحیمکاری، لحیمکاری سرد، لحیمکاری اضافی و غیره را در سه مرحله استخراج ویژگی، انتخاب ویژگی و تصمیمگیری تشخیص میدهد. نتایج نشان میدهد که دستگاه در تشخیص خطای چسب قبل از نصب المانها و تشخیص خطاهای بعد از حمام قلع کارآمد استhttps://jasp.tabrizu.ac.ir/article_13929_ef9d95167cefc9fb74084679900f2c5c.pdf