دانلود کتاب اصول مهندسی معدن نوشته هارتمن با ترجمه یاوری

کتاب اصول مهندسی معدن نوشته هارتمن با ترجمه یاوری آماده دریافت می باشد.

محتویات فایل: یک فایل zip برای کیفیت متوسط بالا و یک فایل zip با حجم کمتر برای کیفیت متوسط

کتاب اصول مهندسی معدن از جمله کاب های مرجع مهندسی معدن می باشد که مرجع بسیاری ار درس ها مثل اصول استخراج زیرزمینی و اصول استخراج سطحی (درس اصول استخراج برای اکتشاف) و... از منابع کنکور ارشد می باشد.

تعداد صفحات: 712

دانلود 4 صفحه نمونه از کتاب

پیشگفتار مترجم

این اثر ترجمهٔ کتاب "Introductory Mining Engineering" تألیف " هوارد ال. هارتمن" مطابق چاپ اول آن در سال ۱۹۸۷ می باشد. تقارن آماده شدن این ترجمه برای چاپ با درگذشت هارتمن (ژانویهٔ ۲۰۰۲)، مترجم را بر آن داشت تا به پاس داشت خدمات ارزندهٔ وی به رشتهٔ مهند دسی معدن ، همراه با معرفی کتاب مختصری از زندگی نامهٔ علمی این آموزگار پرتلاش را عرضه دارد. این کتاب در طول بیش از ۴۰ سال (۱۹۴۵ تا ۱۹۸۷) کار و تدریس مؤلف در چهار دانشکده و تحقیقات گسترده در زمینه های مختلف مهندسی معدن تکمیل شده و توسعه یافته است. تألیف چاپـهاى اول و دوم کتاب "تهویه و مطبوع سازی هوا"  ( ۱۹۶۲  و۱۹۸۲ ) راه اندازی اولیـــــن همایشهای مکانیک سنگ و تهویه برای انجمن مهندسین معادن(SME) که برگزاری آنها تا حال حاضر نیز ادامه دارد، عضویت در SME، عضویت در کمیتهٔ ملی تکنولوژی تونل سازی در آکادمی علوم به عنوان عضو ارشد (۱۹۷۴ تا ۱۹۷۷)، ریاست ادارهٔ ایمنی معادن فلزی و غیرفلزی (۱۹۷۱ تا ۱۹۷۵) و فعالیتهای علمی متعدد دیگر از جملهٔ این تلاشها و تحقیقات است. این کتاب که بنابر ماهیت خود به عنوان مبانی مهندسی معدن می بایست بیشتر جنبهٔ توصیفی داشته باشد ، با تسلط مؤلف بر موضوعات و دسته بندی دقیق آنها و ارائهٔ مثالهای کمی و عددی و مسائل طراحی در قالب عناوین ویژه، ضمن حفظ تسلسل منطقی و کفایت مباحث با توجه به تنوع و زمینه به آن دست یافته است. هارتمن بعد از انتشار این کتاب، ویرایشی چاپ دوم Mining Engineering Handbook را (۱۹۸۹ تا ۱۹۹۲) به پایان رساند. در سال ۱۹۹۷ چاپ سوم کتاب تهویه و مطبوع سازی هوا را منتشر نمود و در سال ۱۹۹۸ کار تألیف چاپ دوم کتاب اصول مهندسی معدن را شروع کرد و آن را در اوج بیماری پارکینسون و در آخرین ماههای عمر خویش به انجام رسانید. این کتاب در اوت سال ۲۰۰۲ منتشر خواهد شد.

ترجمهٔ این کتاب که از سال ۱۳۶۹ شروع و در سال ۱۳۷۲ به پایان رسید ، تا قبل از چاپ به عنوان جزوهٔ درسی برای دروس " اصول استخراج معدن" ، "روشهای استخراج سطحی" و "روشهای استخراج زیرزمینی " دراختیار دانشجویان قرار می گرفت. ارائهٔ نظرات و پیشنهادها از سوی دانشجویان در پایان هر دوره آموزشی ، بارها امکان تجدیدنظر و اصلاح ترجمه را فراهم آورد.

در این ترجمه سعی وافری به عمل آمده است تا علاوه بر روان بودن متن فارسی، ساختار و جمله بندی متن اصلی به طور دقیق حفظ شود. تنها تغییر عمده ای که در ساختار متن اصلی داده شده، تبدیل شیوه منبع نویسی هاروارد به شیوه شماره گذاری بوده است. این کار به منظور کاهش صفحات به دلیل تعداد بسیار زیاد منابع مورد استفاده دراین متن (حدود ۴۸۰ منبع) ، صورت گرفته است. درضمن تعداد معدودی از شکلها به دلیل کیفیت بسیار پایین در نسخهٔ اصلی با تصاویر مشابه جایگزین شده اند.

فرصت را مغتنم شمرده، سپاسی خالصانهٔ خود را تقدیم میدارم به کلیهٔ اساتید بزرگوارم آقایان مهندس مرتضی نادرپور و هرمز ناصرنیا، دکتر حسین نعمت اللهی ، مهندس حسن مدنی و رحمت الله استوار ، که مرا تعلیم تعلم دادند و لذت بیکران معلمی بر من چشاندند.

تشکر بی شائبه خویش را نسبت به تمامی مسئولان و کارمندان دانشگاه صنایع و معادن و سرپرست محترم آن آقای دکتر منوچهر اولیازاده که با بردباری حمایتهای مالی و زمانی لازم را برای نشر کتاب تأمین نمودند، ابراز می نمایم. همچنین مراتب قدردانی خود را از خانم مهندس سیما محمد نژاد برای مساعدتهای صمیمانهٔ ایشان در ویرایش ، بازخوانی ، صفحه آرایی و پردازشهای رایانهای و خانم نرگس خاکپور برای حروفچینی کتاب، تقدیم میدارم.

در خاتمه با اذعان به وجود کاستیها و نقایصی فراوان، خاضعانه از دانشجویان عزیز ، اساتید بزرگوار و خوانندگان محترم تقاضا دارم با راهنماییهای خویش مترجم را در اصلاح و کمال کتاب یاری فرمایند.

پیشگفتار مولف

بارها گفته ام که در آغاز انجام هر کار ارزشمند، نشان و نفوذ یک فرد و یا یک حادثه و یا هر دو را می توان یافت. شروع نگارش این کتاب به بیش از ۳۰ سال پیش باز می گردد، زمانی که Lute ParkinSon در مدرسهٔ معدن کلرادو به عنوان یکی از اساتید مجرب و فعال تیم آموزشی دانشکده مشغول به کار بود و من به همراه ایشان درس مبانی مهندسی معدن را تدریس میکردم. این کار آغاز تجربه ای برای هر دوی ما بود. او و سایر دوستان نزدیک Eugene Pfleider در دانشگاه مینی سوتا و Merritt WilliamSon در دانشگاه ایالتی پنسیلوانیا که اکنون هر دوی آنها درگذشته اند، با الهام از این تلاش موجب تشویق من به تهیهٔ منابع و سرفصلهایی در این زمینه شدند. در صورت وجود جنبه های بی نظیر و ویژه در این کتاب، آنها را باید در راهکارهای کمی و عددی ارائه شده برای سطوح اولیهٔ آموزش دانشگاهی جستجو کرد. هر کتابی که به عنوان مبانی یک رشته تدوین می شود ، می بایست بیشتر جنبهٔ توصیفی داشته و زمینه ها و حوزه های مورد بحث در آن رشته را بررسی نماید. از همان ابتدا سعی بر این بود که عمق بیشتری به کتاب ببخشم و پایه های قویتری را برای اولین درسی تخصصی در مهندسی معدن ، که به اعتقاد من مهمترین درس در دوران تحصیل می باشد، بنا کنم. این کتاب که بر یک مبنای درسی و مدل آموزشی طراحی شده بود، در طول بیش از ۶۰ سال و تدریس در چهار دانشکده تکمیل شده و توسعه یافته است. سرفصلهای کتاب در راستای اهداف ذیل تنظیم و تدوین شده اند :

زیست محیطی، سیاسی و اجتماعی با آن مواجه خواهند شد. تاکید بر تشویق دانشجویان به یادگیری مهندسی معدنی از طریق مشاهده و عمل است. آنها در راستای مطالعه نمونه ها ، بازدید از معادن ، تماشای فیلمها ، حل مسائل ، جمع آوری خلاصه ی روشهای استخراجی و طراحی سیستمهای اصلی استخراجی آموزش داده می شوند.

این درس در سال دوم دانشکده و سالهای بعدی تحصیلی تدریس میشود و پیش نیازهای آن ریاضیات و دروس اصلی (از جمله زمین شناسی) و برنامه نویسی کامپیوتر است.

در تدوین و تنظیم این کتاب از اصولی ساده و منطقی تبعیت شده است. در چهار فصل اول پس از آوردن مبانی و کلیات، چهار مرحله عمر یک معدن و عملیات واحد معدنکاری توضیح داده شده است. در نه فصل بعدی با تقسیم روشهای معدنکاری به دو روش سطحی و زیرزمینی ، تأکید بر توصیف روشهای استخراج بوده است. دو فصل پایانی کتاب به روشهای نوین معدنکاری ، مقایسهٔ هزینه ها ، انتخاب روش استخراج و نهایتاً جمع بندی مطالب اختصاص یافته است.

هر چند در نگارش کتاب بر یک شیوهٔ توصیفی برای توضیح و تفکیک مراحل عملیات و روشهای معدنکاری تکیه شده، جهت بر آورد و استنباط کمی نیز مثالها و مسائل عددی ارائه گردیده است. عناوین ویژه از میان موضوعات متعدد در زمینه های مختلف مهندسی معدن انتخاب و در کنار مطالب هر فصل و یا بخش همراه با محاسبات، آورده شده است که مدرسین می توانند آنها را انتخاب ، تعیین کرده و توضیح دهند. در خلال تدریس ، کاربردهای مناسب کامپیوتر، معرفی و دانشجویان به نوشتن و استفاده از برنامه ها برای حل مسائل تشویق می شوند. ویژگیهای متعددی در این کتاب وجود دارد که استفاده کنندگان از آن و مدرسین می بایست نسبت به آنها آگاهی داشته باشند : (۱) همراه با هر روش استخراج ، مطالعه موردی نیز آورده شده است که من آنها را ابزار آموزشی ذی قیمتی می دانم. انتخاب اغلب این موارد بر مبنای نزدیکی جغرافیایی یا آشنایی و ارتباطات شخصی صورت گرفته است و مدرسین می توانند برمبنای انتخاب خود این موارد را تغییر داده یا اصلاح کنند. موارد مطالعاتی ذکر شده باید متناسب با شرایط زمانی و عمر واقعی آنها از طریق گروه های دانشجویی با حضور در محل معادن تکمیل و اصلاح شوند. (۲) در متن کتاب یک تمرکز ملی (امریکایی) مشاهده می شود، ولی از ارائه آگاهی و درک بین المللی ، به ویژه در توصیف کارهای استخراجی نیز غافل نبوده ام. (۳) منابع ذکرشده یک کتاب شناسی جامع از موضوعات مورد بحث را دربر دارند که برای دانشجویان در مقاطع تحصیلی کارشناسی و بالاتر درنظر گرفته شده اند. (۶) در متن کتاب دو سیستم 

واحد (انگلیسی و بین المللی) به کار رفته است. البته مثالها فقط در سیستم انگلیسی حل شده اند ولی جوابها و ارقام در متن با هر دو سیستم ارائه گردیده اند. در پایان تشکر خالصانه خود را از Jon Motmansky، عضو هیأت علمی فعلی و دانشجوی سابق دانشکده Penn State برای مساعدتهای بی دریغش در ویرایش و تهیه نسخه دست نویس ابراز میدارم. همچنین مراتب قدردانی خود را از دانشگاه آلاباما، برای تأمین حمایت مالی و زمانی و انجمن مهندسین معدن، به خاطر اجازه استفاده از تصاویر و منابع گسترده و انتشارات خود، تقدیم می دارم.

هوارد ال . هارتمن

توسکالوسا، آلاباما

پایان نامه کارشناسی ارشد رشته مهندسی شیمی مدل سازی استخراج روغن از دانه آفتابگردان با استفاده ازCO2فوق بحرانی

دانلود پایان نامه کارشناسی ارشد رشته مهندسی شیمی  مدل سازی استخراج روغن از دانه آفتابگردان با استفاده ازCO2فوق بحرانی با فرمت pdfدر 140صفحه.

این پایان نامه جهت ارائه در مقطع کارشناسی ارشد رشته مهندسی شیمی طراحی و تدوین گردیده است . و شامل کلیه مباحث مورد نیاز پایان نامه ارشد این رشته می باشد.نمونه های مشابه این عنوان با قیمت های بسیار بالایی در اینترنت به فروش می رسد.گروه تخصصی ما این پایان نامه را با قیمت ناچیزی جهت استفاده دانشجویان عزیز در رابطه با منبع اطلاعاتی در اختیار شما قرار می دهند. حق مالکیت معنوی این اثر مربوط به نگارنده است. و فقط جهت استفاده از منابع اطلاعاتی و بالابردن سطح علمی شما در این سایت ارائه گردیده است.                                                 

پایان نامه کارشناسی سیستم های تشخیص وسایل نقلیه

فرمت فایل: word

تعداد صفحه:82

پایان نامه دوره کارشناسی کامپیوتر گرایش نرم افزار

 موضوع:

سیستم های تشخیص وسایل نقلیه

فهرست مطالب

مقدمه

 فصل یکم- تشخیص وسایل نقلیه ی جاده ای در تصاویر دوربینی

 ۱-۱-  نواحی کاندید شده مورد نظر

 ۱-۱-۱- تشخیص و ردیابی خط

 ۱--۲- وسایل نقلیه مورد نظر

 ۱-۲-  تشخیص وسایل نقلیه

  فصل دوم – سیستم تشخیص وسایل نقلیه مبتنی بر ویژگی های محلی با استفاده از برد بینایی موازی

 ۲-۱- الگوریتم تشخیص

 ۲-۱-۱- تکنیک پنجره مشخصه

 ۲-۱-۲- تکنیک فضای مشخصه

  ۲-۱-۳-  انتخاب مشخصه ی ویژگی

 ۲-۱-۴- عملیات انتخاب

 ۲-۲- الگوریتم بردار تدریجی

 ۲-۳- آزمایشات تشخیص وسایل نقلیه

 ۲-۳-۱- وسایل نقلیه همراه با موانع جاده ای

 ۲-۳-۲- تشخیص وسایل نقلیه

 فصل سوم – تشخیص اتوماتیک وسایل نقلیه در توالی از تصاویر هوایی با نرخ فریمی پایین

 ۳-۱- نظارت ترافیک

  ۳-۲- خط مشی کلی

 ۳-۳- تشخیص وسیله نقلیه

 ۳-۳-۱- روند تشخیص

 ۳-۲-۲- پارامترها ی وسیله نقلیه

 ۳-۳-۳- تطبیق

 ۳-۴-  ارزیابی تشخیص

  ۳-۴-۱- طرح ارزیابی

 ۳-۴-۲- اجرای تشخیص و ردیابی

 ۳-۴-۳-هماهنگی حرکتی

  ۳-۴-۴-  مقدار نهایی

 ۳-۵- بررسی الگوریتم

 فصل چهارم – تشخیص و مکان یابی وسایل نقلیه جاده ای به طور همزمان بوسیله مدلی مبتنی بر بینایی متمرکز

 ۴-۱-۲- پردازش مراحل تشخیص و ردیابی

 ۴-۱-۳- شناسایی جهت تشخیص و توابع هزینه ی آن

 ۴-۱-۴ – ارزیابی الگوریتم

 ۴-۲-  کاربرد تشخیص و مکان یابی وسایل نقلیه ی جاده ای

 ۴-۲-۱-  مدل سازی شی در دنیای سه بعدی

 ۴-۲-۲- فازهای یادگیری

 ۴-۲-۳- تشخیص و توابع هزینه

 ۴-۲-۴- مکان یابی وسایل نقلیه

 ۴-۲-۵- ردیابی وسایل نقلیه

 فصل پنجم – تشخیص وسایل نقلیه با استفاده از یادگیری با ناظر

 ۵-۱- طرح کلی مدل پیشنهادی

 ۵-۲- بهبود تابع تشخیص نمایی اصلاح شده (ام کیو دی اف)

 ۵-۳- آزمایشات انجام شده

 فصل ششم- تشخیص وسایل نقلیه مبتنی بر تغییر شکل های فوریه ، موج ضربه ای کوچک و منحنی ضربه ای

 ۶-۱- استخراج ویژگی

 ۶-۱-۱- تغییر شکل یافتن فوریه

 ۶-۱-۲-تغییر شکل یافتن از طریق موج ضربه ای کوچک

 ۶-۱-۳- تغییر شکل یافتن از طریق منحنی ضربه ای

 ۶-۱-۴- طبقه بندی

 ۶-۲- نتایج آزمایشات

 ۶-۲-۱-آنالیز تطبیقی توصیف گر فوریه ای، موج ضربه ای و منحنی ضربه ای

 ۶-۲-۱-۱- تغییر شکل فوریه ای

  ۶-۲-۱-۲- تغییر شکل موج ضربه ای

 ۶-۲-۱-۳- تغییر شکل منحنی ضربه ای

 ۶-۲-۲- کاهش ابعاد بردارهای مشخصه(عوامل مشترک فوریه ،موج ضربه ای ومنحنی ضربه ای)

 فصل هفتم – مدل تغییر پذیر عمومی برای تشخیص وسایل نقلیه

 ۷-۱-  مدل پارامتریزه شده

 ۷-۲- جمع آوری اطلاعات

 ۷-۳- پایداری ساختار بهبود یافته

 ۷-۴- تجزیه و تحلیل اجزای اصلی

 فصل هشتم – تشخیص واگن های ریلی در طرح های بازتابشی

 ۸-۱- تشخیص سیگنالی

 ۸-۱-۱- روش کار

 ۸-۱-۲ طراحی آزمایش

 ۸-۱-۳- توضیح سناریو

 ۸-۱-۴- روش انجام آزمایش

 ۸-۲- تئوری تشخیص سیگنالی

 ۸-۳- آزمایش فاصله ی تشخیص

 ۸-۳- ۱ روش کار

 ۸-۳-۲- طراحی آزمایش

 ۸-۳-۳- توضیح سناریو

 ۸-۳-۴- روش انجام آزمایش

 نیتجه گیری

 منابع و مآخذ

چکیدهسیستم های تشخیص وسایل نقلیه

در سال های اخیر نظارت بر ترافیک و ایمنی وسایل نقلیه اعم از خودروها ، قطارها ، کامیون ها ، …. مورد توجه کمیته های حمل و نقل هوشمند قرار گرفته است .جهت بررسی سیستم های که ما را به اهداف فوق برساند ، نیاز به تشخیص وسیله ی نقلیه است تا بتوان پردازش ها و اقدامات لازم را به عمل آورد . لذا طبق تحقیقات به عمل آمده ، تجهیزات و روش های مختلفی ما را در این مقوله یاری می کنند و عبارتند از :

۱-پردازش تصاویر بدست آمده توسط دوربین های تامین شده بدین منظور

۲- سیستم های ویدئویی نصب شده بر سکو های هوایی

۳- بررسی تصاویر جاده ای مبتنی برپارامترهای سه بعدی

۴- سیستم های مبتنی بر مشخصه های محلی وسیله ی نقلیه در یک تصویر

۵- بکار گیری الگوریتم مبتنی بر استخراج ویژگی از طریق تغییر شکل های خاص

۶- بکارگیری مدل سه بعدی توسعه داده شده بر پایه ی عناصر لبه ی وسیله نقلیه

۷- سیستم های مبتنی بر یادگیری با ناظر (شامل یک سیستم کک راننده و یک سیستم وسیله نقلیه خود گردان)

۸- تشخیص مبتنی بر تشخیص سیگنالهای ویژه ی ارسالی

از طریق روش های فوق ، به کمک یک بانک اطلاعاتی شامل چندین وسیله نقلیه نمونه که از تصاویر واقعی جاده استخراج شده اند ، آزمایشات ویژه و متنوعی بر روی وسایل نقلیه انجام می شود و کارایی هر روش جهت تشخیص صحیح در کوتاه ترین زمان ممکن ثبت می شود و مورد استفاده های بعدی قرار خواهد گرفت .

  واژه‌های کلیدی

تشخیص ،  استخراج ، ویژگی های محلی ، وسیله ی نقلیه ، ترافیک ، تطبیق ،  تغییر شکل یافتن فوریه ، موج ضربه ای کوچک ،  منحنی ضربه ای ، طرح های بازتابشی

مقدمه

   هدف اصلی از تشخیص وسایل نقلیه این است که تعداد وسایل نقلیه ی مشاهده شده در هر نقطه جهت تخمین و پیش بینی جریان خودرو ها را در یک بازه ی ترافیکی، اندازه گیری نمائیم. بدین وسیله می توانیم امنیت و بهره وری ترافیک را بهبود بخشیم. سیستم های متنوعی که هر کدام کارایی ویژه ای دارند ، رسیدن به اهداف فوق را آسان گردانیده اند .

   یکی از این سیستم ها، سیستم تشخیص وسایل نقلیه ی جاده ای در تصاویر دوربینی با نرخ فریمی پایین

می باشد. اجزای پایه ای وسایل نقلیه از تصاویر استخراج می شود و سپس توسط دسته کننده های برداری با نام «اس وی ام» با یکدیگر ترکیب می شوند. این قبیل سیستم ها ، مشکل اصلی تشخیص وسایل نقلیه را در تصاویر ایستا بر طرف نموده اند ، به علاوه از تکنیک های مبتنی بر نمونه های جمع آوری شده استفاده می کنند.

گاهی اوقات اجزایی از وسایل نقلیه در تصاویر قابل دسترسی نیستند و با موانعی مسدود شده اند. با کمک یک الگوریتم تشخیص وسایل نقلیه مبتنی بر مشخصات محلی روی تصاویر بدست آمده از طریق مادون قرمز، این مشکل حل می شوند .

سیستم های ویدئویی نصب شده بر روی سکوهای هوایی بر اساس انعطاف پذیری و تغییر پذیری آنها معرفی می شوند و توانایی دارند نواحی وسیعی را جهت تشخیص از روی تراکم زمانی و فضایی داده ی نمونه پوشش دهند. الگوریتمی بدین منظور طراحی شده است که از تصاویر سه جزئی استفاده می کند و پس از تشخیص وسیله ی نقلیه در اولین تصویر، آن را در دو تصویر بعدی تطبیق می دهد و دید گسترده ای را فراهم می آورد .

همچنین در راستای عملیات ردیابی و مکان یابی وسایل نقلیه ، نیاز به تشخیص آن ها داریم. هدف این است که یک شی (وسیله ی نقلیه )  با یافتن پارامترهای سه بعدی از موانع مشاهده شده در تصاویر جاده ای تشخیص داده شود. نمونه ای دیگر از این قبیل سیستم ها ، سیستم های مبتنی بر یادگیری با ناظر است که از طریق یک سیستم کمک راننده ویک سیستم وسیله نقلیه خودگردان، توسعه یافته است و در این سیستم تابعی برای تشخیص محیط جاده و وسایل نقلیه وجود دارد و تعداد کمی از تصاویر وسایل نقلیه در حال حرکت را به کار می گیرد.

سیستم های دیگری وجود دارند که از طریق الگوریتم مبتنی بر نمونه های ساختاری که از تکنیک های استخراجی و بدست آمده از مشخصات ویژه ی تصویر وسیله ی نقلیه عمل می کند، استخراج ویژگی می نماید. این ویژگی ها توسط تغییر شکل های فوریه ای، تغییرموج ضربه ای و تغییر شکل منحنی ضربه ای به دست    می آید. عملیات روی یک مجموعه داده انجام می شود .

تشخیص وسایل نقلیه از طریق تکنیک هایی که مبتنی بر مدل های ایجاد شده از اشیاء سه بعدی است ، نیز امکان پذیر می باشد و بوسیله ی نقاط ، خطوط و سطوح ویژه ی وسیله نقلیه و مدلسازی آنها با ساختارهای مکان نگر عمل می کند .

آخرین نوع سیستم های بررسی شده ، سیستم هایی هستند که با کمک یک ناظر و تعدادی شرکت کننده ، از طریق یکسری آزمایشات ، در یک محیط شبیه سازی شده از جاده و از طریق سیگنال های ارسالی عملیات تشخیص را انجام می دهند.

 فصل یکم- تشخیص وسایل نقلیه ی جاده ای در تصاویر دوربینی

 می خواهیم یک سیستم تشخیص وسایل نقلیه را مبتنی بر بینایی دوربین در قالب تکنولوژی سیستم های حمل و نقل هوشمند (آی تی اس[۱]) بررسی کنیم . برای رسیدن به این هدف، از یک دوربین واحد به عنوان ورودی استفاده می شود . یک دستگاه تصویربرداری مونوکیولار[۲]، یک دوربین دیجیتال بی سیم است که برای اندازه گیری دامنه های غیرمستقیم با استفاده از قوانین بینایی فراهم شده است .

تشخیص یک وسیله ی نقلیه در تصاویر دوربینی ، مشکل تشخیص شی در تصاویر ایستا را حل می کند . همچنین تشخیص خودرو باید بطور قوی در شرایط روشنایی متغیر ، موقعیت های متغیر و در شرایطی که برخی اجزای وسیله نقلیه تغییر کند یا در تصویر دیده نشود، اجرا شود .

تکنیک های تشخیص اشیا (وسایل نقلیه و …) را می توان در سه دسته طبقه بندی کرد که در ادامه شرح داده می شود . اولین دسته بوسیله سیستم های مبتنی بر مدل نشان داده می شود . این مدل اشیاء موردنظر را مشخص می کند و سپس سیستم برای تطبیق دادن مدل در قسمتهای مختلف تصویر برای پیدا کردن یک حالت مناسب تلاش می کند . متاسفانه ، وسایل نقلیه ی جاده ای به طور کلی در سطحی متغیر مطرح می شود و تعیین یک مدل در مسیر یک راه را غیر ممکن می سازد . در نتیجه سیستم های مبتنی بر این مدل جهت تشخیص وسایل نقلیه کمتر استفاده می شوند. دسته ی دومی روشهای تغییر ناپذیر تصویری هستند که تطبیقی مبتنی بر خصوصیات الگوی یک مجموعه تصویر انجام می دهد و به طور مزمنی شی ای که مورد جستجو قرار گرفته را تعیین می کند . وسایل نقلیه ی جاده ای ،  هر الگوی وابسته به تصویر قطعی را (انواع مختلف از مدلهای وسایل نقلیه وابسته به سازنده) به دلیل تغییرپذیری بالای آن نشان نمی دهد . به همین دلیل روشهای تغییرناپذیر تصویری یک انتخاب مناسب جهت رفع مشکل تشخیص وسایل نقلیه نیست .

دسته ی سوم از تکنیکهای تشخیص شئ بوسیله الگوریتم یادگیری  مبتنی بر نمونه مشخص شده اند . خصوصیات واضح از یک نوع شی توسط سیستم مبتنی بر مجموعه ای از نمونه ها یادگرفته می شود . این نوع تکنیک  می تواند راه حلی را برای رفع مشکل تشخیص و ردیابی وسایل نقلیه  به شرط آنکه شرایط معرفی شده پیروی شود ، فراهم کند . تعداد زیادی ازوسایل نقلیه در بانک اطلاعاتی وجود دارد . ا ین نمونه ها نمایشگر انواع وسایل نقلیه در شرایط متغیری از روشنایی وموقعیت وسایز آن در تصویر است .

تکنیک های مبتنی بر نمونه ، در طبیعت ،  در محیط های متفاوت برای تشخیص عابر استفاده می شده است. به طور کلی این تکنیک ها جهت تشخیص اشیایی که قسمت های قابل تشخیص متمایزی دارند و در یک موقعیت به خوبی تعریف شده اند ، به کار برده می شود  . این حالات برای وسایل نقلیه ی جاده ای ، هنگامی که یک دیدگاه ، یادگیری توزیع شده بر مبتنی بر اجزای اشیا دارد ، برای تشخیص اشیا در محیط های متفاوت و حقیقی کارآمد تر است نسبت به حالاتی که از یک دیدگاه کلی نگر استفاده می کند .

تکنیک های یادگیری توزیع شده با قسمت هایی از تصویر که قابل دسترس نیستند می تواند جهت تشخیص به کار روند و نسبت به چرخش های شی در تصویر کمتر حساس هستند .

برای تشخیص کاراتر در تشخیص اشیا در تصاویر حقیقی ، فضای جستجوی وسایل نقلیه را در یک وضعیت هوشمند بر پایه ی تصاویر جاده ای ، کاهش می دهیم . در نتیجه با خطوط علامت گذاری شده ی جاده ، کار پردازش برای تشخیص وسیله نقلیه آسانتر می شود . نواحی احاطه شده توسط محدودیت هایی از خطوط ، با انتخاب نواحی مورد نظر ، بررسی می شود .این نواحی ، شامل وسایل نقلیه ی مورد نظر هستند که به عنوان مدل تشخیص و ردیابی وسیله نقلیه به کار می رود .

 ۱-۱- نواحی کاندید شده مورد نظر

سیستم به دو بخش زیر سیستم تقسیم می شود . اولین زیر سیستم مسئول تشخیص و ردیابی خط هاست ، همچنین خط تقاطع بوسیله اولین زیر سیستم طبق خطوط جاده ای ، مورد نظارت قرار گرفته است .

 ۱-۱-۱- تشخیص و ردیابی خط

تصاویر به دست آمده از دوربین  پردازش شده است و خطوط منحنی که تصویر را پوشش داده اند برای تشخیص خطوط علامت گذاری شده به منظور بدست آوردن تخمینی از خطوط جاده ای که ناحیه ی مورد جستجو را تعیین می کند مناسب هستند .

الگوریتم حدود ۵۰ خط در ناحیه ی مورد جستجورا در فاصله ی ۲ متری از دوربین در جهت خط افقی ، بررسی می کند . همچنین با توسعه الگوریتم ، می توان اجزای یک فضای غیر یکنواخت را جستجو کرد .

بردار در حالت نهایی برای هر خط روی جاده شامل ۶ متغیر است .

۱-۱-۲- وسایل نقلیه مورد نظر

در این مکانیزم ، پنجره های مورد نظر بنابر کمبود خصوصیات متمایزی از قبیل لبه های افقی و ساختارهای متقارن برای وسایل نقلیه ضروری هستند . و داشتن این پنجره ها اثر مثبتی در کاش زمان محاسبات کلی و درصد تشخیص، به طور قطعی دارد .

هر جاده ، پس از جاده دیگر از انتهای خط افق تصویر ، به دنبال جمع آوری لبه های افقی که می تواند توان وسیله نقلیه را نشان دهد ، بررسی می شود. خطوط بررسی شده در گروه های سه تایی دسته بندی می شوند. برای هر گروه یک ضریب افقیت به عنوان نسبتی از نقاط لبه ی افقی که به وسیله سایز نرمالسازی شده و در ناحیه تجزیه شده قرار دارد ، و محاسبه می شود . ضریب به دست آمده جهت تجزیه ی متقارن برای راه اندازی مکانیزم مورد نظر ، استفاده می شود.

در نتیجه ی این عملیات ، قسمت هایی از راه های جاده تشخیص داده می شود ، به علاوه راه های اصلی به وسیله موقعیت هایی که وسیله نقلیه در آن ، بین دو خط قرار گرفته ، مطرح می شوند.

خطوط مجازی هم پوشانی لازم بین راه ها را برای جلوگیری از تشخیص های نادرست و نیمه قطعی ، فراهم می کند . وسیله ی نقلیه به دو قسمت تقسیم می شود و هر قسمت جداگانه تشخیص داده می شود . همچنین یک راه مجازی در نظر گرفته می شود تا همپوشانی مناسبی بین دو راه همجوار فراهم کتد . شکل ۱-۲ نواحی کاندید شده ی مورد نظر را بوسیله مکانیزم بدست آمده ، در یک بخش از تصویر نشان می دهد . به طور متوسط ، سیستم ۵ پنجره کاندید در هر فریمی که به سمت دسته کننده پیش می رود ، ایجاد می کند . با این حال ، این تصویر محدود به تغییرات وابسته به شرایط ترافیکی است .

 ۱-۲- تشخیص وسایل نقلیه

به طور کلی ،کلاس وسایل نقلیه ی جاده ای شامل تعداد زیادی خودروی متفاوت است که هر کدام را به صورت یک گروه[۳] در می آورد . در نتیجه نمونه ها را برای به کار گیری در یک دیدگاه از یادگیری توزیع شده که در هر کدام از قسمت های منحصر به فرد از وسایل نقلیه ، مستقلانه یاد گرفته می شود و از یک دسته کننده ی ویژه در اولین مرحله از یادگیری  استفاده می کند ، فراهم خواهد کرد .

سپس قسمت های محلی به وسیله دیگر دسته کننده ها در مرحله ی دوم یادگیری ، یکپارچه سازی می شوند. در نتیجه به وسیله ی یک دیدگاه مرتبه ای و همچنین دسته کننده های مستقل در یک وضعیت توزیع شده ، پردازش یادگیری ساده تر می شود ، به شرط آنکه یک دسته کننده منفرد ، خصوصیات منحصر به فردی را از نواحی محلی ، در شرایط تعیین شده فراهم کند . در غیر این صورت دستیابی به یک نتیجه قابل قبول با استفاده از یک دیدگاه کلی نگر، دشوار خواهد شد .

به طور کلی سه زیر ناحیه ی مختلف از نواحی مورد نظر مطرح می کنیم که در شکل ۱-۳ نشان داده شده است. این سه ناحیه ، قسمت های مشخصی از وسیله نقلیه را می پوشاند . دو زیر ناحیه ی کوچک در سطح ناحیه ای که چرخ ها فرض شده اند، قرار گرفته است. زیر ناحیه ی سوم در قسمت مرکزی ناحیه مورد نظر قرار گرفته است و سطحی که در آن پلاک خودرو و شیشه عقب قرار گرفته  است را پوشش می دهد . موقعیت این سه ناحیه ، تلاشی برای تشخیص خصوصیات ساختاری و مرتبط با خودرو را فراهم می کند.

یک مجموعه از خصوصیات باید از هر زیر ناحیه استخراج شده و برای دسته بندی آماده شود . قبل از انجام این کار، تمام نواحی کاندید شده ی مورد نظر ، با استفاده از یک عملگر ویژه پردازش می شوند .

بااستفاده از تصویر هوشمندانه می توان ارائه مناسبی از خصوصیات ویژه و متمایز کلاس خودرو بدست آورد. به عبارت دیگر لبه های افقی و عمودی رامی توان به راحتی دید و تمیز داد . همچنین تناسب عمودی یک خودرو در این شرایط بدون تغییر باقی می ماند ولبه ها تحت تاثیر رنگ یا شدت سختی خود ، تحت تاثیر قرار نمی گیرند. این خصوصیات باعث می شود  استفاده از لبه ها برای تشخیص انواع مشابه از مدل های مختلف خودرو مناسب باشد .ابتدا مجموعه خصوصیات از هر زیر ناحیه با استفاده از هیستوگرام نرمالسازی شده ای مبتنی بر ماتریس تصادفی از پیش پردازش زیر ناحیه ،  استخراج می شود. (چهار ماتریس  تصادفی با استفاده از چهار بردار جستجو کننده مختلف محاسبه می شوند.)

استفاده از این ماتریس ها ، می تواند به تشخیص تفاوت ها در مدل های مختلف، کمک می کند به شرط آنکه دیگر قسمت های تصویر (که شامل خودرو نیستند) بتوانند در مکانیزم نظر قابل پیاده سازی نمی باشد .

اطلاعات بدست آمده ، از این ماتریس ها روی ساختار دو بعدی از یک خودرو فراهم شده اند وپیش پردازشی از زیر ناحیه ها ، به عنوان ورودی دسته کننده ها به کار گرفته می شود .

حجم ناحیه مورد نظر، قبل از اینکه برای دسته بندی به کار رود ، نرمالسازی می شوند . سایز ۸۰×۷۰ پیکسل برای نمایش اطلاعات در شکل ۱-۴ به کار رفته است. این سایز برای تشخیص و ردیابی خودرو در فواصل طولانی نیز مناسب است.

چندین مجموعه ی آموزشی برای هر زیر ناحیه به منظور ذخیره ی نمونه هایی در شرایط آب و هوایی مختلف و شرایط متفاوتی از روشنایی ایجاد شده است. این تکنیک ها ، اجازه می دهند که هر مجموعه آموزشی به طور جداگانه با استفاده از یک خودروی برداری پایه ای ویژه  (اس وی ام[۴]) که نتایجی عالی را فراهم کرده است ، آگاهی به دست آید . در غیر این صورت ، استفاده از یک دسته کننده ی کلی در خواست خواهد شد تا بیشتر قابل تعمیم باشد . دسته کننده های عمومی بیشتر باعث عدم موفقیت در این  راستا می شوند، چون تصویرهای بدست آمده را در یک سناریوی خارج از ناحیه ی مورد نظر بررسی می کند .

استراتژی آموزشی، به طور کلی در دو مرحله اجرا می شود . در مرحله ی اول تفکیک اس وی ام بر پایه ی دسته کننده ها ، با استفاده از مجموعه های آموزشی منحصر به فرد که زیر مجموعه ای از یک زیر ناحیه است، آموزش داده می شود. هر  دسته کننده ی اس وی ام یک خروجی بین ۱- (غیر خودرو) و ۱+ (خودرو) تولید می کند. بنابراین در این مرحله دسته بندی قسمت های منحصر به فردی از زیر ناحیه ی کاندید شده را فراهم خواهد کرد .

در مرحله دوم، خروجی همه ی دسته کننده ها در یک دسته کننده ی اس وی ام واحد برای فراهم شدن نتیجه ی دسته بندی نهایی مرتب می شوند .

شکل ۱- ۵ ساختار کلی پردازش های دسته بندی را نشان می دهد. دسته کننده های اس وی ام در مرحله اول با عنوان SVMij مشخص می شوند که i  نشان دهنده ی زیر ناحیه ی مورد نظر است  و j نشان دهنده ی زیر مجموعه ی آموزشی برای آن زیر ناحیه می باشد . دسته کننده اس وی ام در مرحله ی دوم با عنوان SVMjمشخص می شود. شکل ۱-۶ یک توالی از تصاویری را نشان می دهد که توسط دسته کننده ها تشخیص داده شده است. چهار چوب آبی رنگ  وسیله ی نقلیه تشخیص داده شده را نشان می دهد . خطوط قرمز وسیله نقلیه ای را نشان می دهد که نزدیک به وسیله نقلیه ی تشخیص داده شده هستند .

طرح توجیهی ماشین آلات استخراج مواد معدنی

فایل بصورت پی دی اف و در 64 صفحه می باشد.

این طرح توجیهی شامل موارد زیر است :

معرفی محصول
مشخصات کلی محصول
شماره تعرفه گمرکی
شرایط واردات
استانداردهای ملی وجهانی
قیمت تولید داخلی و جهانی محصول
موارد مصرف و کاربرد
کالاهای جایگزین و تجزیه و تحلیل اثرات آن بر مصرف محصول
اهمیت استراتژیک کالا در دنیای امروز
کشورهای عمده تولید کننده و مصرف کننده محصول
وضعیت عرضه و تقاضا
بررسی ظرفیت بهره برداری و وضعیت طرحهای جدید و طرحهای توسعه و در دست اجرا و روند تولید از آغاز برنامه سوم تا کنون
بررسی روند واردات محصول از آغاز برنامه سوم تا نیمه اول سال
بررسی روند مصرف از آغاز برنامه
بررسی روند صادرات محصول از آغاز برنامه سوم و امکان توسعه آن
بررسی نیاز به محصول یا اولویت صادرات تا پایان برنامه چهارم
بررسی اجمالی تکنولوژی و روشهای تولید و تعیین نقاط قوت و ضعف تکنولوژی های مرسوم
در فرآیند تولید محصول
ماشین آلات
بررسی و تعیین حداقل ظرفیت اقتصادی شامل برآورد حجم سرمایه گذاری ثابت
محوطه سازی
ساختمان
ماشین آلات
تاسیسات
وسائط نقلیه
تجهیزات و وسائل اداری و خدماتی
هزینه های متفرقه و پیش بینی نشده
هزینه های قبل از بهره برداری
سرمایه در گردش
برآورد حقوق و دستمزد
برآورد آب, برق, سوخت و ارتباطات
هزینه های تعمیر و نگهداری و استهلاک
هزینه های متفرقه و پیش بینی نشده تولید
هزینه های توزیع و فروش
جدول هزینه های ثابت و متغیر تولید
نتیجه گیری
میزان مواد اولیه عمده مورد نیاز سالانه و محل تامین آن
پیشنهاد منطقه مناسب برای اجرای طرح
وضعیت تامین نیروی انسانی و تعداد اشتغال
بررسی و تعیین میزان آب، برق، سوخت، امکانات مخابراتی و ارتباطی و چگونگی امکان تامین آنها در منطقه مناسب برای اجرای طرح
وضعیت حمایت های اقتصادی و بازرگانی شامل حمایت تعرفه گمرکی و حمایتهای مالی
تجزیه و تحلیل و ارائه جمع بندی و پیشنهاد نهایی در مورد احداث واحد های جدید
در صورت پیوستن ایران به سازمان تجارت جهانی وضعیت این پروژه ها چگونه خواهد بود
مراجع
پیوست ها ( بخش نامه های مربوط به قوانین واردات و صادرات )

سمینار کارشناسی ارشد مهندسی معدن مدیریت ریسک در استخراج پایه های زغالی آفریقای جنوبی

دانلود سمینار کارشناسی ارشد مهندسی معدن مدیریت ریسک در استخراج  پایه های زغالی آفریقای جنوبی  با فرمت pdf تعداد صفحات 56

این سمینار جهت ارایه در مقطع کارشناسی ارشد طراحی وتدوین گردیده است وشامل کلیه مباحث مورد نیاز سمینارارشد این رشته می باشد.نمونه های مشابه این عنوان با قیمت های بسیار بالایی در اینترنت به فروش می رسد.گروه تخصصی مااین سمینار رابا  قیمت ناچیزی جهت استفاده دانشجویان عزیز در رابطه با منبع اطلاعاتی در اختیار شما قرار می دهد.حق مالکیت معنوی این اثر مربوط به نگارنده است وفقط جهت استفاده ازمنابع اطلاعاتی وبالا بردن سطح علمی شما دراین سایت ارایه گردیده است.