شناسایی دقیق و سریع نوع بافت خاک مبتنی بر الگوریتم یادگیری عمیق و سامانه بینایی ماشین
- سال انتشار: 1401
- محل انتشار: فصلنامه پژوهش های مکانیک ماشین های کشاورزی، دوره: 11، شماره: 1
- کد COI اختصاصی: JR_MAM-11-1_003
- زبان مقاله: فارسی
- تعداد مشاهده: 170
نویسندگان
گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی ومنابع طبیعی تهران، دانشگاه تهران، کرج، ایران
چکیده
خاک یکی از مهم ترین منابع تولید در کشاورزی محسوب می شود. بنابراین با شناسایی دقیق خاک و خصوصیات مهم آن می توان به مدیریت صحیح و استفاده پایدار از زمین های کشاورزی دست یافت. مطالعه حاضر با هدف شناسایی انواع بافت خاک با استفاده از روش بینایی ماشین و شبکه عصبی پیچشی عمیق انجام شد. مدل کانولوشن ارائه شده از دو بلوک متفاوت تشکیل شده است که شامل انواع لایه ها از جمله لایه های پیچشی، لایه های تجمیع کننده بیشینه، لایه های هموارساز، لایه برون انداز، نرمال سازی دسته ای، لایه های تماما متصل و یک طبقه بند ماشین بردار پشتیبان بود. این مدل بر روی تصاویر نمونه های مختلف خاک (۱۱ نوع بافت و مجموعا ۷۹۰ نمونه) مورد آموزش و آزمون قرار گرفت. این داده ها توسط یک سامانه بینایی ماشین و یک دوربین تلفن همراه هوشمند آماده سازی شدند. پارامترهای آماری مهم از جمله دقت، صحت، خاصیت، حساسیت و مساحت زیر نمودار به ترتیب ۶۵/۹۹ %، ۷۵/۹۸ %، ۸/۹۹ %، ۷۵/۹۸ و ۲۷/۹۹ %، با استفاده از ماتریس اغتشاش محاسبه شد. مدل پیشنهادی توانست با دقت ۱/۹۸ % تصاویر نمونه های خاک را با موفقیت طبقه بندی نماید. نتایج به دست آمده نشان داد که مدل پیاده سازی شده در این مطالعه می تواند جایگزین مناسبی برای روش های پر هزینه و زمان بر آزمایشگاهی تعیین نوع بافت خاک باشد.کلیدواژه ها
بافت خاک, یادگیری عمیق, طبقه بندی, بینایی ماشیناطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.