مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

18
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

12
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

شناسایی زنجرک پسته (Hem.: Cicadellidae) Idiocerus stali با استفاده از پردازش تصویر و شبکه های عصبی مصنوعی

صفحات

 صفحه شروع 107 | صفحه پایان 118

چکیده

 استراتژی مدیریت تلفیقی آفات (IPM), به پایش پیوسته جمعیت آفات وابسته است, این کار نه تنها زمان بر است, بلکه وابستگی زیادی به داوری انسان دارد و پر هزینه نیز می باشد. استفاده از روش های هوش مصنوعی به جای تصمیم گیری های دستی و انسانی, علاوه بر این که سبب افزایش بهره وری می گردد, از دقت بالایی نیز برخوردار است. پسته, یک محصول تجاری است و هر ساله خسارت زیادی توسط حشرات به تولیدکنندگان این محصول وارد می شود. گروهی از آفات پسته عمدتاً از میوه پسته تغذیه می کنند, که از این گروه زنجرک پسته, دارای اهمیت زیادی می باشد. در این تحقیق زنجرک پسته به عنوان حشره هدف جهت شناسایی انتخاب شد. برای جمع آوری نمونه ها از کارت های زرد چسبنده استفاده شد. 357 خصوصیت رنگی و 20خصوصیت شکلی برای شناسایی زنجرک پسته به وسیله الگوریتم پردازش تصویر استخراج شد. خصوصیات رنگی به دو دسته ی خصوصیات مربوط به میانگین و انحراف معیار و خصوصیات مربوط به شاخص های سبزی تقسیم شدند. از 17 فضای رنگی مختلف مثل RGB, HSV و غیره برای استخراج خصوصیات و از روش هیبرید شبکه عصبی مصنوعی-الگوریتم بهینه سازی ازدحام ذرات (ANN-PSO) برای انتخاب خصوصیات مؤثر استفاده گردید. خصوصیات مؤثر انتخابی جهت طبقه بندی حشرات عبارتند از: شاخص رنگی برای پوشش گیاهی استخراجی مربوط به فضای رنگی HSL, شاخص تفاضل نرمال شده مربوط به فضای رنگی LCH, کانال خاکستری مربوط به فضای رنگی YCbCr, شاخص مؤلفه دوم منهای مؤلفه سوم مربوط به فضای رنگی YCbCr, مساحت و میانگین مؤلفه های اول, دوم و سوم فضای رنگی Luv. نرخ شناسایی الگوریتم پردازش تصویر طراحی شده, 99.72درصد کل اشیا (زنجرک پسته, سوسک چوب خوار قرمز پسته و سایر حشره های غیر هدف و متفرقه) می باشد. شبکه های عصبی مصنوعی, توانایی طبقه بندی حشرات به سه کلاس (زنجرک پسته, سوسک چوب خوار قرمز پسته و سایر حشره های غیر هدف و متفرقه) و دو کلاس (زنجرک پسته و سوسک چوب خوار قرمز پسته) به ترتیب با دقت 91.53 و 99.59 درصد را دارند.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button