تعیین ارقام سیب زمینی با استفاده از روش پردازش تصویر و شبکه عصبی مصنوعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه رازی - دانشکده کشاورزی
- نویسنده علی حسینی اطهر
- استاد راهنما جعفر امیری پریان علی نجات لرستانی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1393
چکیده
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 پردازش تصویر و شبکه¬های عصبی مصنوعی می¬باشد. برای تشخیص ارقام سیب زمینی ده رقم سیب زمینی به نام¬های آگریا، مارفونا، جلی، آرندا، راموس، بامبا، سانتا، گرانولا، اسپریت و میلوا تهیه شدند. در نهایت 16 ویژگی مورفولوژی، 24 ویژگی رنگی و120 ویژگی بافتی از این تصاویر استخراج شد. شناسایی ارقام با استفاده از شبکه عصبی پس انتشار انجام گرفت. نتایج بدست آمده از این پژوهش نشان داد که میانگین دقت طبقه بندی برای ویژگی¬های مورفولوژی 88/09% ، برای ویژگی¬های رنگی27/61% و برای ویژگی¬های بافتی(سطح خاکستری سبز) 24/28% برای شبکه یک لایه بدست آمد. همچنین میانگین دقت طبقه¬بندی برای ویژگی¬های مورفولوژی، رنگی و بافتی (سطح خاکستری سبز) برای شبکه دو لایه به ترتیب عبارت بودند از: 86/19%، 39/04%، 28/57%. نتایج نشان داد که پارامتر موثر برای طبقه بندی ارقام سیب زمینی ویژگی¬های مورفولوژی می باشد.
منابع مشابه
تعیین عیار ماده معدنی با استفاده از شبکه عصبی MLP و تکنیک پردازش تصویر
در این مقاله امکان تعیین عیار مواد معدنی با استفاده از شبکه عصبی و تکنیک پردازش تصویر مورد بررسی قرار گرفت. نمونه‌های مورد استفاده دراین طرح از معدن چغارت یزد تهیه و تعداد آنها نیز 100 عدد بوده است. در این طرح با تهیه عکس از نمونه‌های پودر شده با دوربین عکاسی دیجیتالی حرفه‌ای و با استفاده از ویژگی‌های تصویری عکس‌ها شامل سه رنگ اصلی قرمز، آبی و سبز(RGB) تصاویر و ویژگی بافتی‌هارلیک شامل انرژی[i] ...
متن کاملبرآورد حجم سیب زمینی با استفاده از پردازش تصویر
محاسبة حجم محصولات کشاورزی به روش ریاضی، به دلیل شکل هندسی نامنظم آنها چندان دقیق نیست. یکی از راه حل های ممکن، پردازش تصویر در ماشین های جداساز پیوسته بر اساس بینایی ماشین است. هدف از این تحقیق، یافتن روشی مناسب برای برآورد حجم سیب زمینی با استفاده از پردازش تصویر است. به کمک یک دوربین دیجیتال و یک آینة تخت، از هر نمونه تنها یک تصویر از دو نمای آن تهیه شد. با کاربرد نرم افزار matlab®، تصاو...
متن کاملتعیین ارزش دارایی‌های نامشهود با استفاده از شبکه عصبی مصنوعی
درک عوامل موثر بر ارزش شرکت برای سرمایه‌گذاران و اعتباردهندگان پیش از اتخاذ تصمیمات سرمایه‌گذاری یا اعطای تسهیلات، امری حیاتی است. از آن‌جایی که اقتصاد دانش‌محور در حال تکامل یافتن است، روش ایجاد ارزش شرکتی از شیوه سنتی مبتنی بر دارایی‌های فیزیکی به دانش نامشهود منتقل شده است. از این‌رو در آینده نه چندان دور، ارزش‌گذاری دارایی‌های نامشهود به موضوع مهمی در اقتصاد مبدل خواهد شد. این مطالعه بر آن ...
متن کاملتعیین عیار ماده معدنی با استفاده از شبکه عصبی mlp و تکنیک پردازش تصویر
در این مقاله امکان تعیین عیار مواد معدنی با استفاده از شبکه عصبی و تکنیک پردازش تصویر مورد بررسی قرار گرفت. نمونه های مورد استفاده دراین طرح از معدن چغارت یزد تهیه و تعداد آنها نیز 100 عدد بوده است. در این طرح با تهیه عکس از نمونه های پودر شده با دوربین عکاسی دیجیتالی حرفه ای و با استفاده از ویژگی های تصویری عکس ها شامل سه رنگ اصلی قرمز، آبی و سبز(rgb) تصاویر و ویژگی بافتی هارلیک شامل انرژی[i] ...
متن کاملتعیین عیار ماده معدنی با استفاده از شبکه عصبی mlp و تکنیک پردازش تصویر
در این مقاله امکان تعیین عیار مواد معدنی با استفاده از شبکه عصبی و تکنیک پردازش تصویر مورد بررسی قرار گرفت. نمونه های مورد استفاده دراین طرح از معدن چغارت یزد تهیه و تعداد آنها نیز 100 عدد بوده است. در این طرح با تهیه عکس از نمونه های پودر شده با دوربین عکاسی دیجیتالی حرفه ای و با استفاده از ویژگی های تصویری عکس ها شامل سه رنگ اصلی قرمز، آبی و سبز(rgb) تصاویر و ویژگی بافتی هارلیک شامل انرژی[i] ...
متن کاملمنابع 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 رازی - دانشکده کشاورزی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023