مقدمه: استفاده از کامپیوتر به صورت جهانی گسترش یافته است، اما استفاده از آن به خصوص در محیط های کاری، با یک سری مشکلات مرتبط به سلامت همراه بوده که سندروم بینایی کامپیوتر از مهم ترین این موارد می باشد. مطالعات گذشته شیوع سندروم بینایی کامپیوتر بین کاربران کامپیوتر را بین 25% تا 93% گزارش کرده اند. به همین خاطر سندروم بینایی کامپیوتر در حال تبدیل شدن به یک معضل بزرگ سلامت عمومی در سطح جهان می باشد. بنابراین با توجه به شیوع بالای سندروم بینایی کامپیوتر در مطالعات اخیر، وجود ابزاری مناسب جهت بررسی میزان شیوع آن ضروری می باشد. هدف این مطالعه ترجمه و بررسی روایی و پایایی پرسشنامه سندروم بینایی کامپیوتر و بررسی میزان شیوع سندروم بینایی کامپیوتر در بین کارکنان دانشکده های دانشگاه علوم پزشکی تبریز می باشد. روش کار: برای بررسی روایی محتوایی پرسشنامه به شکل کمی از دو ضریب نسبت روایی محتوا و شاخص روایی محتوا استفاده گردید. پایایی پرسشنامه به دو روش همسانی درونی (آلفا کرونباخ) و آزمون-بازآزمون موردبررسی قرار گرفت. همچنین برای بررسی میزان شیوع سندروم بینایی کامپیوتر در بین کارکنان دانشکده های دانشگاه علوم پزشکی تبریز از 260 نفر درخواست شد تا پرسشنامه را تکمیل نمایند. بعد از حذف پرسشنامه های غیرقابل قبول تعداد 219 پرسشنامه موردبررسی قرار گرفت. یافته ها: تمامی شاخص های روایی و پایایی پرسشنامه مطلوب ارزیابی شد. تنها 19 نفر زن از 102 نفر و 21 نفر مرد از 117 نفر مبتلا به سندروم بینایی کامپیوتر نبودند. از بین 16 علایم موردبررسی به ترتیب قرمزی چشم (78. 1%)، سوزش چشم (76. 7%) و سردرد (74%) بیشترین شیوع را در جامعه موردمطالعه داشتند. نتیجه گیری: نسخه فارسی پرسشنامه سندرم بینایی کامپیوتر دارای روایی و پایایی قابل قبول می باشد. همچنین میزان شیوع سندروم بینایی کامپیوتر در بین کارکنان دانشکده های دانشگاه علوم پزشکی تبریز بالا بوده و انجام مطالعات بیشتر برای بررسی علت آن پیشنهاد می گردد.

بیش از دو دهه است که بخش کشاورزی استفاده از سامانه های خودکار را تجربه می کند. از موارد کاربرد این سامانه ها در کشاورزی می توان به برداشت میوه اشاره نمود. بینایی کامپیوتر یکی از پرکاربردترین فن آوری های مورد استفاده در صنایع غذایی و کشاورزی نوین است. در مقاله حاضر سیستمی خودکار مبتنی بر بینایی کامپیوتر جهت برداشت گوجه فرنگی گلخانه ای ارائه می شود. دوربین CCD به عنوان حس گر بینایی از فضای کاری عکس می گیرد و گوجه ها با رسیدگی بالای 50 درصد توسط پردازش تصاویر شناسایی می شوند. در این پژوهش از سه فضای رنگی  RGB, HSIو YCbCr و سه الگوریتم آستانه یابی، انحنای سطح تصویر و رابطه قرمز/ سبز جهت تشخیص گوجه فرنگی های رسیده از زمینه و تحت شرایط نور طبیعی استفاده شده است. نتایج نشان می دهد متوسط خطای الگوریتم های آستانه یابی، رابطه قرمز/ سبز و انحنای سطح تصویر به ترتیب 11.82، 10.03 و 7.95 درصد در سه فضای رنگیHSI ،  RGBو YCbCr بود. فضای رنگی YCbCr و الگوریتم انحنای سطح تصویر در تمایز گوجه فرنگی رسیده از زمینه و در شرایط نور طبیعی، موفق تر عمل می کند.

سازه های مصالح بنایی، شمار بالایی از سازه های ساخته ی دست بشر را تشکیل می دهند. با توجه به اهمیت تاریخی و همچنین شرایط محیطی، بسیاری از سازه های مذکور نیازمند یک سیستم پایش سلامت کارا هستند. پیشرفت های اخیر در حوزه ی هوش مصنوعی و بینایی رایانه، دستیابی به سیستم موردنظر را بیش از پیش نزدیک کرده است. در پژوهش حاضر، فرایند شناسایی ترک در تصاویر سازه های مصالح بنایی با استفاده از یک مدل یادگیری عمیق انجام پذیرفته است. در توسعه ی الگوریتم مذکور، از یک مدل رمزگذار ـ رمزگشای کانولوشنال استفاده شده است که خروجی آن، تصویری بخش بندی شده از تصویر ورودی بوده است. در پژوهش حاضر، مجموعه ی داده یی متشکل از 115 تصویر از سازه های مصالح بنایی که وقوع ترک در آن ها رخ داده است، گردآوری و پس از برچسب گذاری دستی آن ها، اقدام به آموزش و ارزیابی شده است. درنهایت، دقت های صحت، فراخوانی و معیار F1 به ترتیب برابر%81/444، %71/411 و %75/366 برای داده های ارزیابی و در مقیاس پیکسل حاصل شده است.

با توجه به عدم دسترسی آسان به تصاویر رقومی متریک و هزینه بالای تهیه این تصاویر، بررسی امکان استفاده از این تصاویر به منظور استخراج اطلاعات هندسی از شی و فرمولسازی اعوجاجات موجود در آنها همواره از مسائل مورد بحث در فتوگرامتری رقومی و بینائی کامپیوتر بوده است. ساختار ریاضی روشهای موجود اغلب بر اساس بکارگیری چندجمله ایها و تنها بر اساس نحوه عملکرد سیستم تصویر برداری (اپتیک) بهینه گردیده اند و تاثیر همزمان سیستم اپتیک و سیستم رقومی ساز درکاربردهایی که در آنها ساختار هندسی سیستم تصویربرداری و یا رقومی ساز متریک نبوده کمتر بررسی شده است. در این مقاله پس از بررسی ساختار هندسی تصاویر غیرمتریک و روشهای متداول در بازسازی ساختار هندسی آنها، توانایی هر یک از آنها در تصحیح خطاهایی مختلف موجود در این تصاویر بررسی گردیده و بر مبنای مدل ریاضی بهینه نسبت به تصحیح ساختار هندسی آنها اقدام گردید. در این راستا، با استفاده از دوربین غیرمتریک Hasselblad از چهار ایستگاه، تصاویری با پوشش60% از بنای تاریخی "نقش برجسته چشمه علی" برداشته شد. این تصاویر با اسکنر غیرمتریک توپاز با قدرت تفکیک 14 میکرون رقومی گردیده و خطاهای سیستماتیک آنها با استفاده از مدل ریاضی مالتی کوادریک با دقت 36 ± میکرون تصحیح شد. در مرحله بعد با استفاده از پارامترهای مدل مالتی کوادریک تصاویر رقومی بازسازی گردید. مدل هندسی سه بعدی کل نقش برجسته در یک سیستم استرئو فتوگرامتری رقومی با اتصال چهار تصویر به صورت کامل بازیابی شد. بر مبنای اندازه گیری مستقیم روی سطح ابنیه، دقت سطح سه بعدی بازیابی شده 5 ±میلیمتر ارزیابی گردید.

مقدمه: سیستم های واسط مغز- کامپیوتر (Brain-computer interface یا BCI) برای بیمارانی که قادر به استفاده از عضلات خود نیستند، امکان برقراری ارتباط بین مغز و دنیای پیرامون از طریق ایجاد یک کانال مصنوعی را فراهم می سازد. از بین انواع واسط های مغز- کامپیوتر که به عنوان هجی کننده کاربرد دارند، می توان به واسط های مبتنی بر پتانسیل برانگیخته ی بینایی حالت ماندگار (Steady-state visually evoked potentials یا SSVEP) اشاره کرد که در سال های اخیر بسیار مورد توجه بوده است.روش ها: در این پژوهش، از الگوهای تحریک مبتنی بر کد بریل با هشت نشانه ی چشمک زن استفاده گردید. برای ایجاد تحریک بینایی، از جعبه ابزار Psychophysics نرم افزار MATLAB استفاده شد. استخراج ویژگی بر اساس روش Fast Fourier transform (FFT) و طبقه بندی مبتنی بر بیشینه ی مقدار انجام گردید.یافته ها: با استفاده از پاسخ مغزی SSVEP و کدهای بریل، دستیابی به نرخ انتقال اطلاعات 19.632 بیت بر دقیقه و صحت 96.67 درصد میسر گردید.نتیجه گیری: سیستم طراحی شده به دلیل مزایایی از جمله ثبت سیگنال به صورت تک الکترودی، کم بودن تعداد فرکانس های تحریک و قابلیت تنظیم پارامترهایی از جمله زمان استراحت بین انتخاب تحریک ها، بسیار کارآمد و کاربرپسند است.