مروری بر توسعه تکنیک های یادگیری عمیق در پردازش تصاویر برای تشخیص بیماری های محصولات کشاورزی
- سال انتشار: 1401
- محل انتشار: چهاردهمین کنگره ملی مهندسی مکانیک بیوسیستم و مکانیزاسیون ایران
- کد COI اختصاصی: NCAMEM14_180
- زبان مقاله: فارسی
- تعداد مشاهده: 462
نویسندگان
دانشجوی دکتری مهندسی مکانیک بیوسیستم، دانشگاه شهید باهنر کرمان
دانشیار مهندسی مکانیک بیوسیتم، دانشگاه شهید باهنر کرمان
چکیده
مهم ترین و جدی ترین مانع در بهره وری محصولات کشاورزی عدم شناسایی زودهنگام و صحیح بیماری های گیاهیو پیشنهاد موثر درمانی است. امروزه تولید کنند گان برای رقابت در امر فروش و ارابه مطلوب محصولات کشاورزی بهطور فزاینده ای به دنبال اتوماسیون و پشتیبانی تصمیم گیری هستند. تشخیص سریع» خود کار و غیر مخرب بیماری هایگیاهی باعث افزایش عملکرد» کیفیت و بازار پسندی محصول می گردد. استفاده از هوش مصنوعی به خصوصیا گیری عمیق با موفقیت در حوزه های مختلف به کار گرفته شده است و اخیرا به حوزه کشاورزی نیز وارد شدهاست. یاد گیری عمیق به روش مدرن و جدید برای پردازش تصاویر با نتایج امیدوار کننده و پتاذسیل بالا است. دراین مقاله به مرور کلی چندین تلاش تحقبقاتی منتشر شده که از نظر موضوعی به باد گیری ماشین. شبکه های عصبی ویاد گیری عمیق در حوزه سلامت و تشخیص بیماری محصولات کشاورزی مربوط می شود. می پردازد. الگوریتم ها وچارچوب های یادگیری عمیق به کار گرفته شده در پردازش تصاویر و عملکرد کلی حاصل با توجه به معیارهایاستفاده شده و تحت مطالعه. مورد بررسی قرار گرفت. یافته ها نشان می دهد که یاد گیری عمیق دقت بالاتری نسبت بهانواع تکنیک های رایج تشخیصی بیماری کیاهان ارائه می دهد میانگین دقت تشخیص در مقالات بررسی شده ای کهدقت را نیز برر سی نموده اند ۹۵/۶% می با شد. محققان بایستی همواره در را ستای توسعه و به روز نمودن تکنیک هایتشخیص بیماری گیاهان، گام بردارند.کلیدواژه ها
بیماری گیاهی، پردازش تصویر، تشخیص بیماری، شبکه عصبی کالونوشنی، یادگیری عمیقمقالات مرتبط جدید
- بهینه سازی مدیریت انرژی در ریزشبکه ها با استفاده از الگوریتم های هوش مصنوعی
- مبانی، کاربردها و چالشهای یادگیری مشارکتی و تحلیل تجربی و مقایسه ابزارهای یادگیری فدرالی در پیاده سازی مدلهای یادگیری ماشین
- راهکارهای مبتنی بر هوش مصنوعی برای بهره وری انرژی در تولید سیمان: یک بررسی جامع
- معماری اینترنت اشیا مبتنی بر هوش مصنوعی در مدیریت انرژی هوشمند
- سیستم های EMS/BMS در ساختمان های ZEB و نمونههای اجرا شده آن در سطح جهانی
اطلاعات 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.