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:

431
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

518
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

تشخیص آفات متداول مرکبات در شمال ایران با استفاده از شبکه عصبی حلقوی عمیق

صفحات

 صفحه شروع 143 | صفحه پایان 152

چکیده

 آفات و بیماری های گیاهی یک تهدید عمده برای امنیت غذایی بشر بشمار می آیند. در مزارع وسیع, تشخیص دقیق و به هنگام توسط انسان به دلیل زمان بر بودن و احتمال تشخیص اشتباه امکان پذیر نمی باشد. از اینرو برای تشخیص فوری, اتوماتیک, مناسب و دقیق آفات کشاورزی, استفاده از پردازش تصویر و هوش مصنوعی از جمله یادگیری عمیق می تواند بسیار مفید باشد. در این تحقیق, مدل های شبکه عصبی پیچشی برای تشخیص و شناسایی سه نوع آفت مرکبات متداول در شمال ایران نظیر پروانه مینوز, فوماژین (قارچ دوده مرکبات) و بالشتک با استفاده از تصاویر برگ های آلوده, از طریق روش های یادگیری عمیق توسعه داده شده است. برای این منظورمعماری های رزنت 50 و وی جی جی 16 به عنوان شبکه عصبی پیچشی معروف با استفاده از روش انتقال یادگیری بر روی 1774 تصویر برگ آلوده مرکبات که در شرایط طبیعی و مزرعه ای فراهم گردید, آموزش داده شد. در مرحله آموزش, از روش افزونه سازی داده ها برای افزایش تعداد نمونه های آموزشی و بهبود تعمیم پذیری طبقه بند ها استفاده گردید. برای تجزیه و تحلیل تجربی از اعتبارسنجی ضربدری به منظور اندازه گیری دقت شبکه عصبی پیچشی استفاده شد. در این استراتژی, همه تصاویر بدون هیچگونه همپوشانی مجموعه داده های آموزش و امتحان, آزمایش شدند. بر اساس نتایج به دست آمده دقت مدل های رزنت 50 و وی جی جی 16 به ترتیب 05/96 و 34/89 درصد ارزیابی گردید. از اینرو مدل رزنت 50, می تواند روش فوق را به یک سیستم مشاوره یا هشداردهنده اولیه بسیار مناسب تبدیل کند.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    خان رمکی، مرتضی، عسکری اصلی ارده، عزت اله، کوزه گر، احسان اله، و لونی، ریحانه. (1399). تشخیص آفات متداول مرکبات در شمال ایران با استفاده از شبکه عصبی حلقوی عمیق. علوم و صنایع غذایی ایران، 17(109 )، 143-152. SID. https://sid.ir/paper/377849/fa

    Vancouver: کپی

    خان رمکی مرتضی، عسکری اصلی ارده عزت اله، کوزه گر احسان اله، لونی ریحانه. تشخیص آفات متداول مرکبات در شمال ایران با استفاده از شبکه عصبی حلقوی عمیق. علوم و صنایع غذایی ایران[Internet]. 1399؛17(109 ):143-152. Available from: https://sid.ir/paper/377849/fa

    IEEE: کپی

    مرتضی خان رمکی، عزت اله عسکری اصلی ارده، احسان اله کوزه گر، و ریحانه لونی، “تشخیص آفات متداول مرکبات در شمال ایران با استفاده از شبکه عصبی حلقوی عمیق،” علوم و صنایع غذایی ایران، vol. 17، no. 109 ، pp. 143–152، 1399، [Online]. Available: https://sid.ir/paper/377849/fa

    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