طراحی و ساخت سامانه هوشمند تشخیص و تمایز علف هرز با استفاده از ماشین بردار پشتیبان

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 682

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ASCME07_275

تاریخ نمایه سازی: 4 اسفند 1392

چکیده مقاله:

کاهش علف های هرز یکی از روش های افزایش محصول درواحد سطح است که این خود مصرف بی رویه سموم علف کش را به % همراه داشته است. بسیاری از تحقیقات بیانگر آن است که، تنها 22تا 67 % از فضاهای مزرعه، به علف هرز اختصاص یافته است. استفاده از استراتژی خاص مکانی 1 در مدیریت کنترل علف هرز می تواند مصرف علف کش ها را کاهش دهد. در این تحقیق، طراحی و ساختماشین بردار پشتیبان 2 بر اساس سیستم ماشین بینایی که مشخصات هندسی بوته ها را مورد استفاده قرار می دهد، برای کاهش مصرف علف کش ها در مزرعه ذرت، مدنظر قرار گرفت. برای شناسایی بوتهها از پس زمنیه تغییراتی در الگوریتم تفکیک کننده تصویر به نامPixelwise اعمال گردید. در ادامه جهت دسته بندی بوته هاالگوریتم دسته بندی کننده ماشین بردار پشتیبان، با استفاده ازاستخراج هفت خصوصیت هندسی از 122 تصویر آزمایشگاهی، ایجاد شد. با استفاده از آزمون ارزیابی متقابل، قابلیت تشخیص الگوریتم %11 تشخیص داده شد. در تست مزرعه، 122 تصویر در دو روزمختلف به صورت دستی و اتوماتیک از بین ردیف های ذرت گرفته شد. ماشین بردار پشتیبان بر اساس مجموعه تصاویر مزرعه که به صورت دستی و اتوماتیک گرفته شده بودند، توانست به ترتیب با دقت 39 در زمان1/16ثانیه و 76 % در زمان2/16 ثانیه علف های هرز را دسته بندی نماید که علت کاهش دقت دسته بندی در روش اتوماتیک تفاوت در کیفیت تصاویر و شرایط نامطلوب نور بود

کلیدواژه ها:

ماشین بردار پشتیبان ، ماشین بینایی ، مدیریت کنترل علف هرز

نویسندگان

مجتبی نصرتی

دانشجوی دانشگاه آزاد اسلامی واحد اقلید

محمدحسین رئوفت

عضو هیئت علمی دانشگاه آزاد اسلامی واحد اقلید

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 :
  • 3 اسفندماه 1391] دانشکده مهندسی مکانیک ا پردیس دانشکده‌های فنی ...
  • Burks, T. F., S. A. Shearer, J. R. Heath, and ...
  • Cho, S. I. D. S. Lee, and J. Y. Jeong. ...
  • Chufan, Lin., 2009. A Support Vector Machine embedded weed identification ...
  • Hemming, J. and T. Rath., 2001. Computer-vis ion- based weed ...
  • Lee, W. S. D. C. Slaughter, and D. K. Giles., ...
  • Marshall, E. J. P. 1988. Field-scale estimates of land. ...
  • Meyer, G. E. J. C. Neto, D. D. Jones, and ...
  • Peng, H. C. F. H. Long, and C. Ding., 2005. ...
  • Perez, A. J. F. Lopez, J. V. Benlloch, and S. ...
  • Tang, L., L. Tian, and B. L. Steward. 2003. Classification ...
  • Tian, L. D. C. Slaughter, and R. F. Norris., 1997. ...
  • Timmermann, C. R. Gerhards, P. Krohmann, M. 2001. The ...
  • economical and ecological impact of the site- specific weed control. ...
  • Tong, S. and D. Koller., 2002. Support vector machine active ...
  • Wan, V. and W. M. Campbell, 2000. Support vector machines ...
  • Woebbecke, D. M. G. E. Meyer, K. Von Bargen, and ...
  • نمایش کامل مراجع