پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,230 |
| تعداد مقالات | 67,766 |
| تعداد مشاهده مقاله | 115,219,361 |
| تعداد دریافت فایل اصل مقاله | 89,966,078 |
ارائه الگوریتم مناسب جهت جداسازی علفهای هرز از چغندر قند در شرایط واقعی مزرعه با استفاده از پردازش تصاویر | ||
| مجله علوم کشاورزی ایران | ||
| مقاله 1، دوره 37، شماره 7 - شماره پیاپی 1482، تیر 1385 اصل مقاله (255 K) | ||
| نویسندگان | ||
| عبدالعباس جعفری؛ سید سعید محتسبی؛ حسن اقبالی جهرمی؛ محمود امید* | ||
| چکیده | ||
| استفاده از سمپاشهای با پاشش نقطه‌ای با کاهش قابل ملاحظه میزان سم مصرفی و نتیجتاً کاهش هزینه ها، از آلودگی محیط زیست نیز خواهد کاست. بدلیل اهمیت و هزینه زیاد حذف علفهای هرز، تلاشهای زیادی در زمینه استفاده از ماشین بینایی در این بخش در حال انجام می‌باشد. در این تحقیق با عکسبرداری دیجیتالی در شرایط واقعی مزرعه، اطلاعات لازم جهت تشخیص چغندر قند از علف هرزفراهم گردید. این اطلاعات از 300 تصویر مختلف با وضوح 1600× 1200 پیکسل از میدان دید 60×70 سانتیمتر مربع بدست آمد. با استفاده از آنالیز تشخیصی، روابط تشکیل دهنده نسبت رنگهای اصلی در هر ترکیب رنگ منسوب به گیاه و هفت علف هرز مرسوم در مزارع استان فارس استخراج گردید. بر اساس روابط مذکور الگوریتمی ارائه گردیده است که قادر به جداسازی علفهای هرز از گیاه چغندرقند در شرایط مختلف نوری خواه در نور مستقیم آفتاب یا سایه برگها یا دستگاه می باشد. نرخ طبقه‌بندی درست در مورد هر یک از هفت گونه علف هرز به صورت جداگانه مقایسه و تفسیر شده است. در بین علفهای هرز، کمترین نرخ طبقه‌بندی درست مربوط به پیچک صحرایی در سایه (8/70%) و بیشترین نرخ مربوط به ارزن دم‌روباهی در روشنایی (2/95%) بود. در الگوریتم نهاییِ جداسازی، نرخ طبقه‌بندی درست برابر با 5/88% در روشنایی و 8/81% در سایه بدست آمد. | ||
| کلیدواژه‌ها | ||
| الگوریتم؛ پردازش تصویر؛ جداسازی؛ چغندر قند؛ علفهای هرز؛ ماشین بینایی | ||
| عنوان مقاله [English] | ||
| - | ||
| چکیده [English] | ||
| Employment of spot sprayers will lead to less herbicide consumption and less hazard. Because of high importance attached to weed control in agriculture and to its related expenses, plenty of research is being carried out in this field. In this study 300 digital images were taken and developed from different agricultural fields in natural outdoor conditions. Images possessed a resolution of 1200×1600 pixels in reference to a field of view of 70×60 cm2. Constitutional resolution as related to the composition of three main color components in plants as well as in 7 common weed species (in Fars sugar beet fields) were extracted using discriminate analysis. Based upon the obtained relations, a suitable algorithm has been proposed through which, one is able to discriminate weeds from sugar beet plants in any form of light condition regardless of whether they are in bright light or in the shadow of either other leaves or vehicle. Correct classification rate for each one of the seven weed plants has been evaluated and discussed. Minimum correct classification rate was related to Convolvulus arvensis L. in shadow (70.8%) while maximum related to Setaria veridis L. Beauv (95.2%). Correct classification rate in the final segmentation algorithm was found to be88.5% in sunlight and 81.8% in shadow. | ||
| کلیدواژه‌ها [English] | ||
| Algorithm, image processing, Machine Vision, segmentation, Sugar beet, Weed | ||
|
آمار تعداد مشاهده مقاله: 2,565 تعداد دریافت فایل اصل مقاله: 2,130 |
||