بخش بندی تصاویر رنگی سیب زمینی با الگوریتم خوشه بندیK-MEANS برای استخراج بیماری شوره سیاه با هدف استفاده در درجه بندی اتوماتیک
محل انتشار: اولین کنگره ملی علوم و فناوریهای نوین کشاورزی
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,813
فایل این مقاله در 6 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:
MAST01_916
تاریخ نمایه سازی: 19 خرداد 1391
چکیده مقاله:
جداسازی درست معایب سطحی سیب زمینی های بیمار یکی از پارامترهای کلیدی در درجه بندی این محصول بر اساس استاندارد آمریکایی می باشد. در این مقاله یک الگوریتم با استفاده از روش خوشه بندی K-Meansو توابع پردازش تصویر برای استخراج درصد نواحی معیوب سیب زمینی هایی با بیماری شوره سیاه طراحی شده است. از خوشه بندی K-Means که روشی نظارت نشده است، برای بخش بندی تصاویر رنگی و استخراج نواحی معیوب سیب زمینی ها و از توابع مختلف پردازش تصویر برای استخراج مساحت کل سیب زمینی استفاده شد. تعداد ده نمونه تصویر رنگی سیب زمینی بیمار مورد پردازش قرار گرفت و درصد نواحی معیوب استخراج گردید. دقت الگوریتم خوشه بندی K-Meansبا روش ماتریس خطا مورد ارزیابی قرار گرفت و دقتی بالای 93% برای بخش بندی تصاویر رنگی به دست آمد. از این الگوریتم می توان برای استخراج میزان بیماری هایی با این مشخصات در درجه بندی اتوماتیک این محصول بر اساس استاندارد آمریکایی استفاده کرد.
کلیدواژه ها:
نویسندگان
بهزاد عظیمی سقین سرا
دانش آموخته کارشناسی ارشد مکانیک ماشین های کشاورزی دانشگاه شهید باه
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 :