تشخیص خودکار شدت بیماری های قارچی گندم بر اساس روش های پردازش تصویر دیجیتال
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,175
فایل این مقاله در 6 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:
NABATAT13_1240
تاریخ نمایه سازی: 4 آذر 1393
چکیده مقاله:
گندم از مهم ترین محصولات زراعی در جهان محسوب میشود. یکی از عوامل مهم در کاهش تولید گندم و کیفیت آن، بیماریها و آفات گندم میباشد که اقتصاد و زندگی مردم را تحت تاثیر خود قرار میدهد. تشخیص بیماری و اندازهگیری شدت آن نقش بسزایی در کنترل بیماریهای گندم ایفا میکنند. متداولترین روش کنونی برای تشخیص نوع بیماری و تخمین شدت آن، استفاده از نیروی انسانی متخصص بوده است. استفاده از بینایی انسان مستلزم صرف زمان و هزینه است. علاوه بر آن به دلیل خستگی چشم، معیارهای متفاوت افراد و خطای دید، منجر به نتایج ارزیابی متغیر و در نتیجه غیر استاندارد می شود. با توجه به مشکلات ارزیابی بصری و انسانی، میتوان از بینایی ماشین به عنوان جایگزینی مناسب برای بینایی انسان استفاده نمود. سیستم بینایی ماشین، بر اساس بررسی خودکار تصاویر و تجزیه و تحلیل آنها با روشهای مختلف پردازش تصویر، به ارزیابی و دسته بندی نتایج می پردازد. از مهمترین مزایای سیستم بینایی ماشین افزایش دقت و سرعت با هزینهی کم و در مجموع بازدهی بالا است. در این مقاله یک سیستم بینایی ماشین بر اساس الگوریتم های آستانه گذاری و عملگرهای مورفولوژی، برای تعیین خودکار شدت بیماریهای قارچی گندم ارائه شده است. با توجه به نتایج آزمایشگاهی حاصل از اعمال الگوریتم بر روی تصاویر مختلف، دقتی بالای 95 درصد حاصل گردیده است.
کلیدواژه ها:
نویسندگان
زهرا سرای لو
آزمایشگاه سیگنال و سیستم های الکترونیکی، دانشکده مهندسی برق، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران
داوود آسمانی
آزمایشگاه سیگنال و سیستم های الکترونیکی، دانشکده مهندسی برق، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران
رحیم مهرابی
بخش تحقیقات غلات، موسسه تحقیقات اصلاح و تهیه نهال و بذر، کرج
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 :