پردازش تصویر خیار گلخانه ای با رهیافت شبکه عصبی به منظور به کارگیری در ربات برداشت خیار

Authors: not saved
Abstract:

پردازش تصویر خیار گلخانهای با رهیافت شبکه عصبی به منظور به کارگیری در ربات برداشت خیار معین زند1                          چکیده: در این تحقیق روشی برای آشکارسازی میوه خیار در تصاویر گلخانه­ای با رهیافت شبکه عصبی پیشنهاد شده است. برای این منظور ابتدا پس از متعادل­سازی هیستوگرام روشنایی تصویر مورد نظر، آن را با یک پنجره حاوی تصویر یک میوه خیار ضرب کرده که باعث به وجود آمدن ضرایب بزرگ­تر در نواحی مشکوک به وجود خیار می­شود. با استخراج این بیشینه­های محلی، دسته نقاط اولیه به عنوان پنجره­های محتمل وجود خیار به­دست می­آیند. سپس به منظور آشکارسازی دقیق مکان خیار­ها، این نقاط و نواحی اطراف آنها به یک شبکه عصبی ارجاع داده می­شوند که این شبکه با به کارگیری تعدادی تصویر شامل تصاویر خیار، تصاویر غیر خیار و پاسخ­های مطلوب آنها آموزش داده شد. نواحی به دست آمده از این شبکه منجر به آشکارسازی دقیق مکان خیار­ها در تصویر ­شد. روش ارائه شده در محیط نرم افزارMATLAB  شبیه­سازی و یک شبکه عصبی، یک الگوریتم آموزش شبکه عصبی و یک ترکیب برای شبکه عصبی پیشنهاد شد. سـپس روش پیشنهادی با بهره­گیری از این ساختار شبکه، شبیه­سازی نهایی شده و بر روی 120 تصویر تهیه شده از یک گلخانه توسط یک دوربین دیجیتال آزمایش گردید. روش پیشنهادی خطای کمی (خطای عدم تشخیص 7/4% و خطای تشخیص اشتباه 13/3%) داشتـه و تـوانست با نرخ بالایی و در مدت زمان مناسب (به طور متوسط برای هر تصویر 12/5 ثانیه) میـوه­های خیار موجـود در تـصاویر را آشکار­سازی کند. واژه‌های کلیدی: خیار گلخانه­ای، پردازش تصویر، آشکار سازی، شبکه عصبی، آموزش شبکه 1- دانش آموخته کارشناسی ارشد، گروه مکانیک ماشین­های کشاورزی، دانشکده کشاورزی، واحد تاکستان، دانشگاه آزاد اسلامی، قزوین، ایران: (نویسنده مسئول) [email protected]  

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تشخیص خوشه انگور قرمز ایستاده با استفاده از پردازش تصویر و شبکه عصبی به منظور کاربرد در ربات برداشت انگور

تشخیص خوشه انگور قرمز ایستاده با استفاده از پردازش تصویر و شبکه عصبی به منظور کاربرد در ربات برداشت انگور اکبر نظری1 چکیده: در این تحقیق یک سامانه طبقه بندی خودکار بر مبنای ماشین بینایی و شبکه­های عصبی مصنوعی بر اساس رنگ و مولفه­های آن، توسعه داده شد. حدود 300 تصویر رقمی از باغات انگور شهرستان ارومیه در شرایط مختلف نوری از ساعات اولیه صبح تا عصر در هوای ابری و آفتابی گرفته شدند. از شبکه عصبی پ...

full text

تشخیص بیماری قارچی سفیدک پودری و آنتراکنوز خیار به کمک پردازش تصویر و شبکه عصبی

با توجه به اینکه بیماریهای قارچی سفیدک پودری و آنتراکنوز بیشترین میزان خسارت را در گلخانه هایخیار به وجود می آورند در این پژوهش با ارائه روشی نوین و غیر مخرب مبتنی بر تکنیک پردازش تصویر وشبکه عصبی مصنوعی به تشخیص این دو نوع بیماری قارچی پرداخته شده است. مراحل مربوط به پیادهسازیروش پیشنهادی از سه بخش قطعهبندی، جداسازی قسمتهای آسیب دیده از برگ و طبقهبندی کلاس نوعبیماری است. پس از آنکه ویژگیهای رن...

full text

تشخیص بیماری قارچی سفیدک پودری و آنتراکنوز خیار به کمک پردازش تصویر و شبکه عصبی

با توجه به اینکه بیماریهای قارچی سفیدک پودری و آنتراکنوز بیشترین میزان خسارت را در گلخانه هایخیار به وجود می آورند در این پژوهش با ارائه روشی نوین و غیر مخرب مبتنی بر تکنیک پردازش تصویر وشبکه عصبی مصنوعی به تشخیص این دو نوع بیماری قارچی پرداخته شده است. مراحل مربوط به پیادهسازیروش پیشنهادی از سه بخش قطعهبندی، جداسازی قسمتهای آسیب دیده از برگ و طبقهبندی کلاس نوعبیماری است. پس از آنکه ویژگیهای رن...

full text

سامانه‌ 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 text

بررسی باقی مانده سم دلتامترین در خیار گلخانه ای

با توجه به کاربرد گسترده آفت­ کش ­ها در تولید میوه­ ها و سبزیجات، شناسایی و اندازه­ گیری نوع و مقدار باقی­ مانده این ترکیبات در سلامت افراد جامعه حایز اهمیت است. خیار یکی از سبزیجات تازه پرمصرف در ایران است که به ­دلیل فاصله زمانی کوتاه بین سم ­پاشی تا برداشت محصول، می­ تواند سلامتی انسان ­ها را به خطر اندازد. این تحقیق به­ منظور بررسی میزان باقی­ مانده آفت­ کش دلتامترین (امولسیون 5/2%( روی خیا...

full text

تشخیص علائم ویروس موزاییک خیار به کمک پردازش تصویر

بیماری های گیاهی در کاهش کمی و کیفی محصولات کشاورزی تاثیر قابل توجهی دارند. ویروس ها به عنوان یکی از مهمترین عوامل بیماری زای گیاهی، باعث خسارت قابل توجهی به محصولات زراعی می شوند. در کدوئیان از جمله خیار، ویروس های متعددی باعث ایجاد بیماری می شوند که اغلب تولید علائم موزاییکی روی برگ و میوه می کنند.یکی از مهمترین ویروس های آلوده کننده کدوئیان،ویروس آبله ای شدن برگ یا به عبارتی بیماری موزاییک خ...

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 6  issue 2

pages  44- 53

publication date 2017-08-23

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