استفاده از روش بینایی استریو به‌منظور طبقه‌بندی کلوخه‌های حاصل از عملیات خاک‌ورزی

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 361

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JAM-10-2_004

تاریخ نمایه سازی: 6 دی 1399

چکیده مقاله:

سطح یک خاک خاک‌ورزی شده مملو از خاک‌دانه‌ها و کلوخه‌هایی است که دارای اندازه‌های مختلف می‌باشند به گونه‌ای‌که اندازه آن‌ها از نظر کیفیت خاک‌ورزی و میزان مصرف انرژی در آماده‌سازی بستر بذر از اهمیت به‌سزایی برخوردار است. در این پژوهش طبقه‌بندی کلوخه‌های حاصل از خاک‌ورزی از طریق بینایی استریو بر اساس طول، عرض و ارتفاع آن‌ها مورد توجه قرار گرفته است. از بین این ابعاد، محاسبه ارتفاع (ضخامت) کلوخه‌ها همواره با چالش روبه‌رو بوده است؛ چرا که محاسبه آن که در اصطلاح پردازش تصویر به عمق تصویر معروف است، با یک تصویر تکی غیرممکن و یا بسیار سخت می‌باشد که برای این به سه‌بعدی‌سازی تصویر نیاز است. در این مطالعه یک مجموعه داده تصاویر استریو از سطح خاک در زمین زراعی تهیه گردید. تعداد این زوج تصاویر استریو برابر 312 جفت بود که برای بازسازی سه‌بعدی آن‌ها به‌ترتیب عملیات کالیبراسیون، استخراج نقاط کلیدی از زوج تصاویر استریو، تطابق نقاط یافته شده و محاسبه مدل ابر نقطه‌ای روی آن‌ها انجام پذیرفت و تصاویر به شکل سه‌بعدی درآمدند. با به‌دست آمدن تصویر سه‌بعدی ارتفاع کلوخه‌ها محاسبه شدند و نهایتاً با در اختیار داشتن این اطلاعات و نیز استفاده از مدل تحلیل تمییزی به‌عنوان یک دسته‌بند خطی، کلوخه‌ها با اندازه‌های گوناگون طبقه‌بندی شدند. بالاترین دقت طبقه‌بندی 2/96% و نیز دقت کلی طبقه‌بندی برابر 7/83% به‌دست آمد. نتایج این مطالعه نشان داد رویکرد بینایی استریو می‌تواند با تعیین ابعاد کلوخه‌ها به‌ویژه ارتفاع آن‌ها در کیفیت‌سنجی عملیات خاکورزی به‌صورت رضایت‌بخشی مورد استفاده قرار گیرد.

نویسندگان

افشین عزیزی

دانشگاه محقق اردبیلی

یوسف عباسپور گیلانده

دانشگاه محقق اردبیلی

ترحم مصری گندشمین

دانشگاه محقق اردبیلی

حمید ابریشمی مقدم

دانشگاه صنعتی خواجه نصیرالدین طوسی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Abbaspour-Gilandeh, Y., and R. Sedghi. 2015. Predicting soil fragmentation during ...
  • Bogrekci, I., and R. J. Godwin. 2007. Development of an ...
  • Bradski, G., and A. Kaehler. 2008. Learning OPenCV: computer vision ...
  • Chepil, W. S., and F. Bisal. 1943. A rotary sieve ...
  • Chimi-Chiadjeu, O., E. Vannier, R. Dusseaux, and O. Taconet. 2011. ...
  • Chimi-Chiadjeu, O., S. Le Hegarat-Mascle, E. Vannier, O. Taconet, and ...
  • Czachor, H., and J. Lipiec. 2004. Quantification of soil macroporosity ...
  • Faraji-Mahyari, Z., and Sh. Rafiee. 2016. Principles of stereo vision ...
  • Gardel_Kurka, P. R., and A. A. Diaz-Salazar. 2019. Applications of ...
  • Gilliot, J. M., E. Vaudour, and J. Michelin. 2017. Soil ...
  • Hartley, R., and A. Zisserman. 2003. Multiple view geometry in ...
  • Itoh, H., K. Matsuo, A. Oida, H. Nakashima, J. Miyasaka, ...
  • Jafari-Malekabadi, A., M. Khojastehpour, and B. Emadi. 2019. Disparity map ...
  • Kemper, W. D., and W. S. Chepil. 1965. Size distribution ...
  • Kemper, W. D., T. J. Trout, M. J. Brown, and ...
  • Kise, M., Q. Zhang, and F. Rovira Mas. 2005. A ...
  • Lindeberg, T. 1994. Scale-space theory: a basic tool for analyzing ...
  • Loop, C., and Z. Zhang. 1999. Computing rectifying homographies for ...
  • Lowe, D. G. 2004. Distinctive image features from scale-invariant keypoints. ...
  • Lyles, L., J. D. Dickerson, and L. A. Disrud. 1970. ...
  • Nasr, H. M., and F. Selles. 1995. Seedling emergence as ...
  • Nasiri, A., H. Mobli, S. Hosseinpour, and Sh. Rafiee. 2017. ...
  • Neal-Smith, L., W. Zhang, F. M. Hansen, I. John-Hales, and ...
  • Piers, L. F., J. A. Rosa, and L. C. Timm. ...
  • Rahimi-Ajdadi, F., Y. Abbaspour-Gilandeh, K. Mollazade, and R. Hasanzadeh-Pakrezaie. 2016. ...
  • Riegler, T., C. Rechberger, F. Handler, and H. Prankl. 2014. ...
  • Sandri, R., T. Anken, T. Hilfiker, L. Sartori, and H. ...
  • Sankowski, W., M. Wlodarczyk, D. Kacperski, and K. Grabowski. 2017. ...
  • Stafford, J. V., and B. Amber. 1990. Computer vision as ...
  • Stehman, S. V. 1997. Selecting and interpreting measures of thematic ...
  • Taconet, O., and V. Ciarletti. 2007. Estimating soil roughness indices ...
  • Taconet, O., R. Dusseaux, E. Vannier, and O. Chimi-Chiadjeu. 2013. ...
  • Thmosen, L. M., J. E. M. Baartman, R. J. Barneveld, ...
  • Trucco, E., and A. Verri.1998. Introductory techniques for 3-D computer ...
  • Van Bavel, C. H. M. 1949. Mean weight diameter of ...
  • Vannier, E., V. Ciarletti, and F. Darboux. 2009. Wavelet-based detection ...
  • Vannier, E., O. Taconet, R. Dusseaux, and F. Darboux. 2018. ...
  • Zhang, X., and W. Dahu. 2019. Application of artificial intelligence ...
  • نمایش کامل مراجع