شناسایی برگِ ارقام سیب با تکنیک پردازش تصویر و سیستم استنتاج عصبی ـ فازی تطبیقی
نویسندگان
چکیده
در کشاورزی مدرن امروز، از پردازش تصویر برای مکانیزه و جایگزین کردن ماشین های هوشمند به جای انسان استفاده شده است. یکی از آن موارد شناسایی ارقام گوناگون گیاهان است. شناسایی ارقام گوناگون، در برنامۀ به نژادی گیاهان اهمیت بالایی دارد. روش معمول برای انجام این عمل، بررسی چشمی برگها و میوههای گیاهان است که این عمل به دلیل وقت گیربودن مقرون به صرفه نیست. شناسایی نمونه ها و طبقهبندی آن ها با روش ماشین بینایی میتواند سریعتر انجام گردد. در این تحقیق چهار رقم گرانیاسمیت، گلاب کهنز، گالا، و دلبار استیوال مطالعه شدند. در ابتدا نمونه های برگ جمع آوری و از نمونه‌ها تصویربرداری شد و پس از پردازش تصاویر با الگوریتم نوشته شده در نرم افزار مت لب، ویژگیهای مورفولوژیک، رنگ، و بافت برای هر یک از تصاویر محاسبه شد و سپس از سیستم استنتاج عصبی ـ فازی تطبیقی (adaptive neuro- fuzzy inference system) برای طبقه بندی نمونه‌ها استفاده شد. نتایج نشان داد که بهترین سیستم استنتاجی با توابع عضویت ورودی و خروجی به ترتیب خطی و مثلثی و روش آموزش مرکب در حالت دستهبندی شبکه‌ای سیستم استنتاج فازی، بالاترین دقت را داشت و دقت این روش برای داده های طبقه بندی آزمایشی 83/95درصد گزارش شد.
منابع مشابه
شناسایی برگِ ارقام سیب با تکنیک پردازش تصویر و سیستم استنتاج عصبی‌ـ‌فازی تطبیقی
در کشاورزی مدرن امروز، از پردازش تصویر برای مکانیزه و جایگزین‌کردن ماشین‌های هوشمند به‌جای انسان استفاده شده است. یکی از آن موارد شناسایی ارقام گوناگون گیاهان است. شناسایی ارقام گوناگون، در برنامۀ به‌نژادی گیاهان اهمیت بالایی دارد. روش معمول برای انجام این عمل، بررسی چشمی برگها و میوههای گیاهان است که این عمل به‌دلیل وقت‌گیربودن مقرون به‌صرفه نیست. شناسایی نمونه‌ها و طبقهبندی آنها با روش ما...
متن کاملمدلسازی بارش- رواناب با سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) و رگرسیون خطی چندمتغیره (MLR)
در این پژوهش، کارآیی سیستم فازی- عصبی برای برآورد رواناب ناحیه کوهستانی حوضه هراز مورد ارزیابی قرار گرفت. هدف ایجاد مدلی با توابع و درجه عضویت مناسب است که بتواند رابطه بارندگی- رواناب را در یک حوضه بهدرستی برقرار کند. بدین منظور برای پیشبینی رواناب، 44 ترکیب مختلف از پارامترهای بارندگی، دما، تبخیر، دبی جریان و شاخص بارش پیشین با تأخیر زمانی بین آنها بهصورت روزانه طی دوره 32 سال آماری وارد م...
متن کاملمدل سازی فرایند لجن فعال با روش ترکیبی سیستم استنتاج فازی عصبی تطبیقی
در این مطالعه، از سامانه استنتاج فازی-عصبی تطبیقی برای مدل‌سازی فرایند تصفیه فاضلاب لجن فعال پتروشیمی مبین استفاده شد. این مدل برای پیشبینی غلظت اکسیژن مورد نیاز شیمیایی خروجی مورد استفاده قرار گرفت و ضریب همبستگی بین پارامترهای ورودی و کیفیت جریان خروجی محاسبه شد. پارامتر ورودی با بیشترین تأثیر بر کیفیت جریان خروجی تعیین شد و بر اساس آن، سه ساختار فازی- عصبی تطبیقی مستقل با تعداد پارامترهای گ...
متن کاملتخمین ضریب اصطکاک در لوله‌ها با استفاده از سیستم تطبیقی استنتاج فازی- عصبی
تخمین ضریب اصطکاک در لوله‌ها در بسیاری از مسائل مهندسی آب و فاضلاب، مانند توزیع سرعت و تنش برشی، فرسایش، انتقال رسوب و افت هد، اهمیت ویژه‌ای دارد. در تحلیل این‌گونه مسائل با دانستن ضریب اصطکاک، می‌توان تخمین دقیق‌تری از آنها به‌دست آورد. در این تحقیق به‌منظور تخمین ضریب اصطکاک در لوله‌ها با استفاده از سیستم تطبیقی استنتاج فازی- عصبی، روش افراز شبکه‌ای مورد استفاده قرار گرفت. برای آموزش و تست مد...
متن کاملشناسایی علف‌های هرز ذرت مبتنی بر تکنیک پردازش تصویر و شبکه‌های عصبی مصنوعی
علف های هرز به صورت لکه ای در مزرعه سبز می شوند. سمپاشی لکه ای علف های هرز موجب کاهش مصرف علف کش ها، هزینه و آلودگی محیط زیست می گردد. فن آوریِ بینایی ماشین که در سمپاشی لکه ای به کار می‌رود، نیازمند تصویر و پردازش آن به منظور اتخاذ تصمیمات کنترلی است. شناسایی درست علف های هرز و طبقه بندی آنها، کلید اتخاذ تصمیمات کنترلی و اجرای عملیات سمپاشی است. در این تحقیق روشی مبتنی بر ترکیب پردازش تصویر برا...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
مهندسی بیوسیستم ایرانناشر: پردیس کشاورزی و منابع طبیعی دانشگاه تهران
ISSN 2008-4803
دوره 46
شماره 1 2015
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023