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

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

video

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

sound

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

نسخه انگلیسی

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

بازدید:

411
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

478
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

تشخیص علف هرز چاودار از گیاه سیب زمینی با استفاده از پردازش ویدئو و هوش محاسباتی

صفحات

 صفحه شروع 1 | صفحه پایان 18

چکیده

 علف هرز به دلیل رقابت با محصولات کشاورزی برایدستیابی به آب, مواد مغذی, نور خورشید و. . . باید از مزرعه حذف شود. روش های مختلفی برای مبارزه با علف های هرز وجود دارد مانند روش های مکانیکی, دستی و استفاده از علف کش ها که در میان کشاورزان, امروزه کاربرد علف کش ها رایج تر است اما این کار به دلیل استفاده ی یکسان در کل مزرعه, به آلودگی زیست محیطی انجامیده است. در این مطالعه, یک سیستم ماشین بینایی مبتنی بر پردازش ویدئو بهمنظور شناسایی علف هرز چاودار از گیاه سیب زمینی جهت پاشش بهینه ی علف کش پیشنهاد شده است. پس از فیلم برداری, پیش پردازش و قطعه بندی, 965 شیء شناسایی شد. از هر شیء, 14 خصوصیت استخراج شد. با استفاده از روش فراابتکاری هیبرید شبکه ی عصبی مصنوعی – الگوریتم ژنتیک از میان 14 خصوصیت استخراجی, 6 خصوصیت میانگین, ممان سوم, خودهمبستگی, همبستگی, عدم تشابه و آنتروپی به عنوان خصوصیات موثر انتخاب شدند. کل داده ها به دو دسته تقسیم شدند: داده های آموزش (70 درصد کل داده ها) و داده های تست و اعتبارسنجی (30 درصد کل داده ها). با استفاده از طبقه بند هیبرید شبکه ی عصبی-مصنوعی – الگوریتم مبتنی بر جغرافیای زیستی, طبقه بندی انجام گرفت. با دو روش تحلیل ماتریس اغتشاش و بررسی نمودار ROC, عملکرد سیستم طبقه بند ارزیابی شد. سه معیار حساسیت, دقت و ویژگی با استفاده از ماتریس اغتشاش محاسبه شد. نتایج تحقیق نشان می دهد که میزان حساسیت, دقت و ویژگی سیستم طبقه بند به ترتیب بالای 99, 99 و 98 درصد است. می توان نتیجه گرفت که امکان ساخت سیستم ماشین بینایی با هدف ذکر شده که به صورت برخط کار می کند وجود خواهد داشت.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    سبزی، سجاد، عباسپورگیلانده، یوسف، و جوادی کیا، حسین. (1398). تشخیص علف هرز چاودار از گیاه سیب زمینی با استفاده از پردازش ویدئو و هوش محاسباتی. تحقیقات سامانه ها و مکانیزاسیون کشاورزی (مجله تحقیقات مهندسی کشاورزی)، 20(72 )، 1-18. SID. https://sid.ir/paper/382885/fa

    Vancouver: کپی

    سبزی سجاد، عباسپورگیلانده یوسف، جوادی کیا حسین. تشخیص علف هرز چاودار از گیاه سیب زمینی با استفاده از پردازش ویدئو و هوش محاسباتی. تحقیقات سامانه ها و مکانیزاسیون کشاورزی (مجله تحقیقات مهندسی کشاورزی)[Internet]. 1398؛20(72 ):1-18. Available from: https://sid.ir/paper/382885/fa

    IEEE: کپی

    سجاد سبزی، یوسف عباسپورگیلانده، و حسین جوادی کیا، “تشخیص علف هرز چاودار از گیاه سیب زمینی با استفاده از پردازش ویدئو و هوش محاسباتی،” تحقیقات سامانه ها و مکانیزاسیون کشاورزی (مجله تحقیقات مهندسی کشاورزی)، vol. 20، no. 72 ، pp. 1–18، 1398، [Online]. Available: https://sid.ir/paper/382885/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی





    بازگشت به بالا