استفاده از تکنیک های پردازش تصویر جهت شناسایی آفت های گیاهی
محل انتشار: همایش مهندسی برق، مخابرات پزشکی و پژوهشهای نیاز محور با محوریت دستاوردهای نوین در علوم مهندسی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,411
فایل این مقاله در 13 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:
ELECTRICA02_081
تاریخ نمایه سازی: 12 تیر 1395
چکیده مقاله:
امروزه بخش عمده ای از محصولات کشاورزی بر اثر خسارات وارده توسط آفات مختلف در چرخه تولید تا مصرف از بین می روند و کاهش ضایعات ناشی از آفات را می توان به نوعی به افزایش میزان برداشت در واحد سطح تلقی نمود. در ایران میزان خسارت آفات و بیماری های گیاهی به طور متوسط 32 درصد می باشد و این میزان برای کشورهای آسیایی 36/36 درصد و برای تمام جهان 32/8 درصد است. به عبارت دیگر سالانه مبلغی در حدود 68/5 میلیارد ریان زیان آفات و عوامل بیماری زای گیاهی را تحمل می کنیم و این مقدار معادل غذای سالانه 8-7 میلیون نفر از مردم کشور ما است. مبارزه با آفات قبل از خسارت یکی از علل کاهش ضایعات و افزایش میزان برداشت محصول است. مبارزه با آفات به دو روش سنتی و نوین صورت می گیرد. در روش های سنتی مثل کنترل بیولوژیک و تله چسبان و سایر روش ها شناسایی سریع آفات امکان ندارد و همچنین به علت از بین بردن حشرات مفید مثل زنبور عسل و همچنین کارایی پایین و مقاوم شدن حشرات در برابر روش های سنتی لازم است از روش های نوین برای مبارزه با آفات استفاده کرد. روش های نوین مبتنی بر بینایی ماشین و پردازش تصویر دیجیتال می باشد که باعث کم شدن خطای انسانی و شناسایی زود هنگام آفات می شود. آفت مورد مطالعه در این مقاله پشه سفید است که خسارت های زیادی را به انواع محصولات کشاورزی می زند. در این مقاله چهار روش مبتنی بر پردازش تصویر دیجیتال مورد بررسی قرار گرفته است. روش شناسایی سریع- روش نول- روش دایوین و روش پواسون که همگی سعی در بهبود شناسایی سریع پشه سفید دارند.
کلیدواژه ها:
نویسندگان
مهدی بختیاری آزاد
گروه کارشناسی ارشد مهندسی برق، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران
مهدی مزینانی
گروه مهندسی برق- الکترونیک، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران- ارائه دهنده
راحیل حسینی
گروه مهندسی کامپیوتر، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران
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 :