مروری بر بهبود دقت شناسایی علفهای هرز در صنعت کشاورزی با استفاده از شبکه های عصبی کانولوشنی و حافظه طولانی کوتاه مدت
محل انتشار: چهارمین همایش بین المللی دستاوردهای نوین در فناوری اطلاعات، علوم کامپیوتر، امنیت، شبکه و هوش مصنوعی
سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 91
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
INDEXCONF04_005
تاریخ نمایه سازی: 28 آبان 1403
چکیده مقاله:
این مقاله به بررسی بهبود دقت شناسایی علفهای هرز در صنعت کشاورزی با استفاده از روشهای پیشرفته یادگیری عمیق میپردازد. مسئله اصلی این تحقیق، تشخیص دقیق و بهموقع علفهای هرز در مزارع کشاورزی است که میتواند منجر به کاهش هزینهها و افزایش بهره وری در این صنعت گردد. در این پژوهش، از ترکیب شبکه های عصبی کانولوشنی (CNN) و شبکه های حافظه طولانی کوتاهمدت (LSTM) برای بهبود دقت شناسایی استفاده شده است. تصاویر مزارع به عنوان ورودی به شبکه عصبی کانولوشنی داده میشود و ویژگیهای زمانی رشد علفهای هرز و محصولات کشاورزی توسط LSTM تحلیل میگردد. نتایج نشان میدهد که روش پیشنهادی بهطور میانگین %۴,۶۸ در تشخیص مکان دقیق علفهای هرز و %۱۲,۱۴ در تعداد تشخیص نسبت به روشهای پیشین بهبود یافته است. این بهبودها نشاندهنده پتانسیل بالای استفاده از این روشها در صنعت کشاورزی برای افزایش دقت و کارایی در مدیریت علفهای هرز میباشد.
کلیدواژه ها:
نویسندگان
سامان ماه آورپور
دانشگاه آزاداسلامی واحداصفهان (خوراسگان)