تعیین میزان آلودگی توده بذر یونجه به سس با استفاده از روش تحلیل تصویر دیجیتال
صاحب اثر: سازمان تحقیقات، آموزش و ترویج کشاورزی
نوع محتوی: طرح پژوهشی
Language: Persian
استان موضوع گزارش: اصفهان
شهر موضوع گزارش: اصفهان
Document ID: R-1053595
Publish: 16 February 2019
دسته بندی علمی: علوم کشاورزی
View: 256
Pages: 50
Publish Year: 1394
نسخه کامل Research منتشر نشده است و در دسترس نیست.
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
Abstract:
علف هرز سس علاوه بر اثر شدید و نامطلوب بر طعم یونجه می تواند با ایجاد تاثیرات خاص سمی، کیفیت علوفه را به شدت کاهش دهد. بهترین راه مبارزه با سس جلوگیری از آلودگی مزارع می باشد. به این منظور می بایست از بذرهایی استفاده گردد که عاری از بذر سس باشند. هم اکنون در بسیاری از مراکز تحقیقاتی برای محاسبه درصد آلودگی بذر یونجه، به روش دستی و با استفاده از بینوکولر، بذور سس و علف های هرز از بذر یونجه شناسایی و شمارش می شود. با توجه به وقت و هزینه اینگونه اندازه گیری و در مقابل دقت پایین آن در این تحقیق یک روش رایانه ای مبتنی بر پردازش تصویر و بکارگیری شبکه عصبی مصنوعی با استفاده از برنامه نویسی در محیط MATLAB طراحی گردید. بدین منظور ابتدا تصاویر مورد نظر با استفاده از یک اسکنر تهیه شد و سپس در محیط MATLAB با بکارگیری حد آستانه مناسب بذور از سطح زمینه جدا گردیدند. در مرحله بعد با استفاده از روابط هندسی به استخراج ویژگی های ابعادی بذور پرداخته شد. این ویژگی ها برای دو گروه بذر یونجه و سس استخراج گردید و به عنوان ورودی های شبکه های عصبی در نظر گرفته شد. برای انتخاب مناسب ترین توپولوژی شبکه های عصبی، انواع مختلف شبکه با توابع یادگیری مختلف و تعداد نرون های متفاوت مورد بررسی قرار گرفت و در نهایت مناسب ترین شبکه، توپولوژی4-5-1 با تابع انتقال لگاریتم سیگمویید (Logsig) و تابع یادگیری GDX به دست آمد. این شبکه قادر به تشخیص درصد بذور سس با ضریب تعیین 0/95 و ریشه میانگین مربعات خطای 0/017 است. نتایج آزمون t نشان داد که بین درصد سس اندازه گیری شده به روش دستی و تخمین به روش تحلیل تصویر، تفاوت معنی داری وجود ندارد. واژه های کلیدی: بذر یونجه، تحلیل تصویر، سس، شبکه های عصبی