تشخیص برخی از علف های هرز مزارع سیب زمینی بر اساس ویژگی های رنگی تصویر و روش شبکه عصبی مصنوعی
- سال انتشار: 1394
- محل انتشار: چهارمین کنگره ملی کشاورزی ارگانیک و مرسوم
- کد COI اختصاصی: NCOCA04_132
- زبان مقاله: فارسی
- تعداد مشاهده: 745
نویسندگان
دانشجوی کارشناسی ارشد مهندسی مکانیک بیوسیستم، طراحی ماشین های کشاورزی دانشگاه محقق اردبیلی
دانشیار گروه مهندسی بیوسیستم دانشگاه محقق اردبیلی
استادیار گروه زراعت و اصلاح نباتات دانشگاه محقق اردبیلی
دانشیار گروه مهندسی بیوسیستم دانشگاه محقق اردبیلی
چکیده
مبارزه با علف های هرز محصولات ردیفی از جمله سیب زمینی از عملیات هزینه بر و طاقت فرسا بوده و یک قسمت ضروری کنترل علف هرز به صورت خاص مکانی، توانایی تشخیص علف هرز می باشد. تشخیص و جداسازی بین محصول، علف های هرز و پس زمینه خاکی با استفاده از تکنیک های پردازش تصویر عمل پیچیده ای است. بینایی رایانه ای یکی از شاخه های مدرن و پر تنوع هوش مصنوعی است که با ترکیب روش های مربوط به پردازش تصویر و ابزارهای تعلم ماشینی، رایانه ها را به بینایی اشیاء مناظر و درک هوشمند خصوصیات آنها توانا می گرداند و می تواند ابزار مناسبی برای تشخیص و جداسازی محصول از خاک و علف های هرز باشد. هدف اصلی این تحقیق بررسی امکان تشخیص و جداسازی علف های هرز مزارع سیب زمینی شامل لمه تره، تاتوره، تاج خروس و کاهوی وحشی در مراحل مختلف رشد علف هرز و گیاه با استفاده از ویژگی های رنگی HSV, RGB و L×a×b بود. طی مراحل رشد از هرکدام گیاهان مذکور عکس برداری صورت گرفت. پس از انجام پردازش اولیه روی تصاویر، پارامترهای مربوط به هر یک از مدل های رنگی مذکور به صورت مجزا جمع آوری گردید. مقادیر رنگی از روی تصاویر باینری شده (دو دوبی) به دست آمدند. بهترین حد آستانه برای تصاویر باینری از روش آتسو محاسبه شد. بدین وسیله تصاویر علف هرز و سیب زمینی از پس زمینه خاکی جدا شدند. به منظور طبقه بندی علف های هرز مختلف مزارع سیب زمینی از محصول از شبکه عصبی مصنوعی استفاده شد. پس از آموزش و اعتبار سنجی شبکه، میزان طبقه بندی صحیح برای جداسازی علف های هرز از گیاه سیب زمینی با MSE به ترتیب 0/0017 و 1/3017 و نرخ طبقه بندی صحیح (CCR) برابر 100% هم برای داده های آموزشی و هم برای داده های تست به دست آمد. با توجه به دقت تکنیک های به کار رفته در این مطالعه، می توان ادعا کرد که روش پردازش تصویر و بینایی ماشین، می تواند در جداسازی علف های هرز مزارع سیب زمینی از گیاه سیب زمینی مورد استفاده قرار گیرد.کلیدواژه ها
سیب زمینی، علف های هرز، پردازش تصویر، شبکه عصبی مصنوعیمقالات مرتبط جدید
- واکاوی پویایی های سیاست خرید تضمینی بر تولید و توسعه محصولات کشاورزی استراتژیک در ایران با بهره گیری از مدل خودرگرسیونی با وقفه های توزیعی
- Evaluation of sugarcane stem borers parasitism level by egg parasitoid wasp, Telenomus busseolae (Hym.: Platygastridae) in sugarcane fields of Khuzestan province
- فرآوری پنیر فراسودمند ایرانی حاوی فروکتان و گینر
- Review of the Benefits of Producing Kefir Ice Cream and Comparison of Its Nutritional and Physicochemical Properties with Traditional Ice Cream
- Ultrasound-Responsive Liquid–Liquid Microgels for Targeted Delivery of Bioactive Polysaccharides and Antioxidants in Multi-Stage Thermal Processed Functional Foods
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.