ارائه روشی کمی و کیفی در ارزیابی عملکرد فاکتورهای رنگی برای جداسازی گیاهان از پس زمینه بمنظورخودکارکردن شناسایی تصویری گیاهان

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 715

فایل این مقاله در 14 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:

NCAMEM08_128

تاریخ نمایه سازی: 14 شهریور 1393

چکیده مقاله:

سامانه های بینایی رایانه ای قابلیت شناسایی خودکار اشیای مختلف از روی تصاویر را فراهم می کند . برای سامانه رایانه ای شناسایی گیاه از تصویر، جداسازی گیاهان از پس زمینه به کمک آستانه گذاری یکی از مراحل اولیه و اساسی این سامانه می باشد.کیفیت گیاه جدا شده از پس زمینه در مرحله جداسازی در استخراج ویژگی های رنگی و شکلی که در الگوریتم های بعدی که برای شناسایی گیاهان بکار می رود موثر است. بدین منظور، با کمک فاکتورهای رنگی بین گیاهان و پس زمینه تضاد ایجاد کرده تا عملیات آستانه گذاری موثرتر صورت گیرد. تاکنون، در منابع فاکتورهای مختلفی برای جداسازی گیاهان سبز از تصویر بکار رفته است که در هر تحقیق به موثر بودن فاکتورهای معرفی شده اشاره شده است. در این تحقیق، چند فاکتور جدید رنگی را معرفی کرده و بر مبنای نمودار توزیع فاکتورهای رنگی در ناحیه گیاهی و پس زمینه، معیاری کمی و شیوه ای کیفی را برای ارزیابی عملکرد فاکتورهای رنگی که در منابع بکار رفته اند و فاکتورهای رنگی پیشنهادی بکار می گیرد . در این تحقیق شیوه ارزیابی پیشنهادی با کمک 500 تصویر ( 50 تصویر × 10 گیاه) نمایش داده شده و استفاده شده است. نتایج کمی نشان می دهدکه تبدیلهای خطی G-B با معیار عملکرد 5/86 برای جداسازی برگ سبز از پس زمینه و G/R با معیار عملکرد 1/5 برای جداسازی برگ قرمز از پس زمینه مناسب و بهینه می باشند. نتایج کیفی حاصل از اعمال این فاکتورهای رنگی روی تصاویر نیز موید نتایج کمی است.

نویسندگان

محمود رضا گلزاریان

استادیار گروه مهندسی ماشین های کشاورزی، دانشگاه فردوسی مشهد

فاطمه صادقی

دانشجویان کارشناسی گروه مهندسی ماشین های کشاورزی ، دانشگاه فردوسی مشهد

نرگس قانعی

دانشجویان کارشناسی گروه مهندسی ماشین های کشاورزی ، دانشگاه فردوسی مشهد

فاطمه کاظمی

استادیار گروه مهندسی باغبانی و فضای سبز، دانشگاه فردوسی مشهد

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 :