شناسایی علف‌های هرز ذرت مبتنی بر تکنیک پردازش تصویر و شبکههای عصبی مصنوعی
Authors
Abstract:
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 برای جداسازی علف های هرز از سایر اجزای تصویر و شبکۀ عصبی مصنوعی برای طبقه بندی پیشنهاد شده است. علف های هرز شامل تاج خروس ریشه قرمز،سلمه تره، آفتاب پرست، تاج خروس خوابیده ، تاج ریزی سوروف و گاورس بودند. نتایج نشان داد که این الگوریتم با دقت قابل قبولی علف‌های هرز را از خاک جداسازی کرد. در گام بعد ویژگی‌های مرتبط با رنگ و شکل از علف های هرز استخراج شدند. سرانجام، به منظور طبقهبندی هفت کلاس علف‌هرز از روش شبکه عصبی مصنوعی پرسپترون با ساختار 7 -15-15-43 و میانگین دقت کل 71/88 درصد استفاده شد. نتایج حاصل از این مطالعه نشان می‌دهد که سامانه پیشنهادی توانایی تشخیص علف‌های هرز با دقت مناسب را دارد.
similar resources
ارائه روشی مبتنی بر پردازش تصویر و شبکه عصبی مصنوعی برای استفاده در تنظیم خودکار سرزن پیاز
سرزن پشت تراکتوری از جمله فناوری‌هایی است که برای حذف برگ پیاز از آن استفاده می‌شود. در این ماشین موقعیت قرار‌گیری‌های تیغه‌ها نقش به‌سزایی در کیفیت سرزنی پیازها دارد. در صورت برقراری ارتباط بین خصوصیات فیزیکی پیازها و طول برگ باقی‌مانده پس از سرزنی می‌توان به ارائه روش‌هایی برای تنظیم خودکار تیغه‌ها پرداخت. در این تحقیق روشی ارائه گردید که طبق آن قطر پیازها قبل از سرزنی به کمک پردازش تصویر م...
full textسامانه تشخیص بیماری قارچی سفیدک پودری و آنتراکنوز برگ خیار با تکنیک پردازش تصویر و شبکه عصبی مصنوعی
بیماری‌های گیاهی می‌تواند باعث کاهش کیفیت و کمیت محصولات کشاورزی شوند. در بعضی از کشورها کشاورزان زمان قابل توجهی را صرف مشاوره با گیاه‌پزشکان می‌کنند در حالیکه زمان عاملی مهم در کنترل بیماری می‌باشد، به همین دلیل ارائه روشی سریع، ارزان و دقیق برای تشخیص بیماری‌های گیاهی لازم به نظر می‌رسد. با توجه به اینکه بیماری‌های قارچی سفیدک پودری و آنتراکنوز بیشترین میزان خسارت را در گلخانه‌های خیار بوج...
full textروش مبتنی بر موجک برای طبقهبندی علف هرز و ذرت با استفاده از ویژگی‌های آماری و شبکه عصبی مصنوعی
در این تحقیق، یک رویکرد مبتنی بر تبدیل موجک برای طبقهبندی علف هرز و ذرت ارایه شده است. بر این اساس، یک پایگاه داده متشکل از 500 تصویر در شرایط عادی مزرعه تهیه شد. در ابتدا تبدیل موجک دو بعدی سه مرحله‌ای برای تمام تصاویر اعمال گردید. سپس، ویژگی‌های آماری ضرایب موجک (میانگین، واریانس، چولگی، درجه اوج، انرژی و آنتروپی) محاسبه شد. در نهایت یک شبکه عصبی مصنوعی چند لایه پرسپترون برای طبقهبندی تصاو...
full textارائه روشی تلفیقی مبتنی بر الگوریتم کلونی مصنوعی زنبور عسل و پردازش تصویر برای شناسایی شکستگی‌ها در نمودار تصویری
شکستگی‌ها در مخازن نفتی حوزه زاگرس نقش بنیادین در مهاجرت و تولید هیدروکربورها دارند. یکی از ابزارهای بسیار قوی برای مطالعه و شناسایی شکستگی‌ها در پیرامونچاه‌ها، نمودارهای تصویریاست. این نمودارها اطلاعات مهمی درباره جهت‌گیری، ژرفا و نوع شکستگی‌های طبیعی فراهم می‌کنند. امروزه روش دقیقی برای شناسایی خودکار شکستگی‌ها از روی این نمودارها در مخازن کربناتی ایرانوجود ندارد و تفسیر این نمودارها بیشتر به...
full textشناسایی برگِ ارقام سیب با تکنیک پردازش تصویر و سیستم استنتاج عصبی ـ فازی تطبیقی
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 ما...
full textMy Resources
Journal title
volume 15 issue 2
pages 8- 8
publication date 2019-11-22
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023