طبقه بندی گیاهان در تصاویر مرئی و حرارتی شالیزار به کمک رویکرد SF -SRDA
محل انتشار: ششمین کنفرانس پردازش سیگنال و سیستمهای هوشمند
سال انتشار: 1399
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 351
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SPIS06_008
تاریخ نمایه سازی: 25 دی 1399
چکیده مقاله:
در این پژوهش، به منظور بهره برداری بهتر از خاصیت مکمل بودن ویژگی ها در فرایند طبقه بندی گیاهان در تصاویر مرئی و حرارتی، از رویکرد همجوشی ساختار ویژگی مبتنی بر آنالیز تبعیض رگرسیون طیفی ( SF-SRDA ) استفاده شده است. در مرحله اول، به منظور تهیه پایگاه داده، اقدام به تصویر برداری از گیاهان زراعی و علف های هرز در مزرعه برنج شد. پایگاه داده حاصل، شامل 100 جفت تصویر مرئی و حرارتی از مزرعه برنج می باشد. در گام دوم، ویژگی ها مورد نیاز از لایه های مختلف شبکه های عصبی کانولوشن استخراج شد. در نهایی به منظور کاهش ابعاد ویژگی های استخراج شده از روش آنالیز تبعیض رگرسون طیفی استفاده شد. رویکرد SF-SRDA می تواند ابعاد ویژگی را از 100352 به 2 بعد کاهش دهد. در نهایت از رویکرد طبقه بندی نزدیک ترین همسایگی ( k-means ) و ماشین بردار پشتیبان ( SVM ) با هسته RBF به منظور طبقه بندی نهایی استفاده شد. صحت نهایی بدست آمده در طبقه بندی گیاهان، به کمک رویکرد SF-SRDA و ماشین بردار پشتیبان برابر با 80.34 % می باشد. رویکرد SF-SRDA می تواند علاوه بر استخراج ویژگی های بهینه از فضایویژگی ها، ابعاد ویژگی ها نهایی را نیز بسیار کاهش دهد.
کلیدواژه ها:
نویسندگان
سیدعلیرضا زمانی
دانشجوی کارشناسی ارشد، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی، بابل
یاسر بالغی دماوندی
دانشیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی، بابل،