کاربرد پردازش تصاویر دیجیتال در تخمین برخی خصوصیات مورفولوژیکی ارقام لوبیای استان مرکزی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 613

فایل این مقاله در 5 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:

PULSES06_119

تاریخ نمایه سازی: 9 مرداد 1395

چکیده مقاله:

لوبیا ( Phaseolus vulgaris L. ) یکی از منابع مهم پروتئین و تولید انرژی برای انسان می باشد. شناسایی ارقام مختلف لوبیا برای کارشناسان و کشاورزان می تواند مفید باشد. در این تحقیق امکان استفاده از پردازش تصاویر دیجیتال به منظور تخمین خصوصیات مورفولوژیکی ارقام مختلفی از لوبیای استان مرکزی که در شناسایی ارقام می توانند به کار روند، بررسی شد. برای این منظور از دانه های ارقام لوبیا با استفاده از یک دوربین دیجیتال عکسبرداری شد. سپس عکس ها مورد پردازش قرار گرفت و تعداد 16 شاخص مورفولوژیکی از آنها استخراج شد. همچنین ابعاد اصلی دانه ها ( طول و عرض ) قبل از عکسبرداری، توسط یک کولیس با دقت 0/01 میلی متر اندازه گیری شد. شاخص های استخراج شده از پردازش تصویر، با استفاده از اندازه گیری های ابعاد اصلی دانه ها نیز محاسبه گردید. نتایج نشان داد که ضریب تبیین 0/708 تا 0/955 برای روابط خطی بین خصوصیات بدست آمده از اندازه گیری مستقیم و روش پردازش تصویر، بدست آمد. بنابراین نتیجه می گیریم روش پردازش تصویر، روشی قابل اتکا برای برآورد خصوصیات دانه لوبیا می باشد و می توان از آن برای تشخیص ارقام لوبیا استفاده کرد.

نویسندگان

ابوالفضل هدایتی پور

عضو هیات علمی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان مرکزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، اراک، ایران

حامد توکلی

عضو هیات علمی دانشگاه اراک

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 :
  • Carter, R.M., Yan, Y. and Tomlins, K. 2006. Digital imaging ...
  • Choudhary, R., Paliwal, J. and Jayas, D.S. 2008. Classification of ...
  • Kl, K, Boyaci, i.H., Koksel, H. and Kismenoglu, i. 2007. ...
  • Kumar, M., Bora, G. and Lin, D. 2013. Image processing ...
  • Shahin, M.A., Symons, S.J., 2003. Lentil type identification using machine ...
  • Venora, G., Grillo, O., Ravalli, C. and Cremonini, R. 2009. ...
  • Venora, G., Grillo, O., Shahin, M.A. and Symons, S.J. 2007. ...
  • نمایش کامل مراجع