بررسی عملکرد روش های آماری و هوش مصنوعی در تشخیص واریته های سیب زمینی به کمک تکنیک پردازش تصویر
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه محقق اردبیلی - دانشکده کشاورزی و منابع طبیعی
- نویسنده سمیه عباسی
- استاد راهنما یوسف عباسپور گیلانده امیرحسین افکاری داود حسن پناه
- سال انتشار 1393
چکیده
با توجه به ضرورت تشخیص ارقام مختلف سیب¬زمینی، استفاده از فناوری¬های نوین مطابق با علم روز دنیا ضروری می باشد. از جمله روش های جدید برای تشخیص واریته محصولات کشاورزی استفاده از تکنیک پردازش تصویر در تلفیق با هوش محاسباتی می¬باشد. در این تحقیق به منظور تشخیص ارقام مختلف سیب¬زمینی، سه روش هوش مصنوعی شامل شبکه عصبی مصنوعی (ann)، الگوریتم رقابت استعماری ica))، و سستم استنتاج عصبی- فازی (anfis) و 2 روش آماری k-means و آنالیز تمییز (da) به کمک تکنیک پردازش تصویر مورد استفاده قرار گرفت. از ده رقم سیب زمینی شامل آگریا، آرنوا، دایفلا، ایمپالیا، هرمیس، لیدی رزتا، گرانولا، اسپریت، لاپادیا، مارکز تصاویری تهیه شد و پس از انتقال به نرم¬افزار matlab، 37 ویژگی رنگی، بافتی و شکلی آن استخراج شد. به کمک روش آماری و تجزیه به مولفه های اصلی (pca) 12 ویژگی از 37 ویژگی جهت شناسایی و تفکیک واریته¬ها انتخاب گردید. دقت جداسازی صحیح واریته¬ها برای ارقام فوق از روش da به ترتیب 5/57%، 30%، 40%، 75%، 7/48%، 5/42%، 5/97%، 60%، 60% و 5/27% به دست آمد و دقت کلی 9/53% محاسبه شد. دقت طبقه بندی برای تمام ارقام با روش شبکه عصبی مصنوعی (ann) 100% به دست آمد. دقت طبقه بندی برای روش anfis 94% و برای روش ica 15% به دست آمد. بنابراین در بین روش های هوش مصنوعی، روش ann بهترین دقت طبقه¬بندی را داراست. در بین روش های خوشه بندی، خوشه بندی با ica بهترین نتیجه را ارائه داد.
منابع مشابه
بررسی امکان تشخیص واریته های سیب زمینی به کمک تکنیک پردازش تصویر و شبکه های عصبی مصنوعی
یکی از کاربرد های تکنیک پردازش تصویر و بینایی ماشین در حوزه ی کشاورزی، شناسایی طیف وسیعی از ارقام مختلف محصولات زراعی و باغی می باشد. در این تحقیق با تلفیق روش های پردازش تصویر و شبکه های عصبی مصنوعی (ann)، اقدام به شناسایی ده واریته ی سیب زمینی شد. این ده گروه واریته عبارتند بودند از: آگریا، ساولان، فلوریدا، فونتانه، ناتاشا، ورونا، کارسو، الودی، ساتینا و امراد. تمامی پردازش ها توسط نرم افزار m...
15 صفحه اولتشخیص اردک های بیمار بر اساس صدای آنها و به کمک روش هوش مصنوعی
در این مقاله روشی هوشمند به منظور طبقهبندی اردکهای سالم و بیمار بر اساس صدای منتشره از آنها طراحی و به کار گرفته شده است. بدین منظور ابتدا پرندگان بر اساس وضعیت سلامتی به دو طبقهی سالم و بیمار تقسیم و صدای هر یک توسط یک میکروفن ثبت شد. سیگنالهای تحصیل شده توسط تبدیل سریع فوریه از حوزهی زمان به حوزه فرکانس انتقال یافتند. سپس 5 تابع ویژگی واریانس، انحراف از معیار، ریشهی میانگین مربعات، میا...
متن کاملطبقه بندی و تشخیص عیوب ظاهری سیب زمینی با استفاده از تکنیک پردازش تصویر
استفاده از ماشین بینایی و پردازش تصویر به عنوان یک روش غیر مخرب و سریع میتواند در بررسی عیوب ظاهری محصولات کشاورزی بالاخص سیب زمینی نقش موثری را ایفا نماید. در این پژوهش سعی شده است با آنالیزهای شکلی تصاویر سیب زمینی طول، عرض، محیط، مساحت، طول بزرگترین محور، طول کوچکترین محور و جهت گیری تعیین و با آنالیزهای رنگی رابطه ای برای تعیین سطح سبزشدگی به دست آورده شود. پردازش تصاویر توسط تابع اندازهگی...
تعیین چروکیدگی خرمالوی خشک شده به روش ترکیبی اسمز-ماکروویو با استفاده از روش پردازش تصویر و مدلسازی آن به کمک هوش مصنوعی
متن کامل
تعیین ارقام سیب زمینی با استفاده از روش پردازش تصویر و شبکه عصبی مصنوعی
تشخیص ارقام محصولات کشاورزی، به منظور خودکار سازی فرآیندهای پس از برداشت در اغلب کارخانجات انجام می¬شود که این کار با استفاده از بازرسی دستی و بصری بسیار وقت گیر و دارای خطا می¬باشد. در نتیجه تکنولوژی ماشین بینایی به عنوان روشی جدید و غیر مخرب می¬تواند برای استخراج ویژگی¬های مورفولوژی، رنگ و بافت به کار برده شود. هدف از انجام این پژوهش شناسایی ارقام سیب زمینی با استفاده از این ویژگی¬ها به کمک پ...
15 صفحه اولمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه محقق اردبیلی - دانشکده کشاورزی و منابع طبیعی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023