سیدعلیرضا زمانی - دانشجوی کارشناسی ارشد، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی، بابل
یاسر بالغی دماوندی - دانشیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی، بابل،

در این پژوهش، به منظور بهره برداری بهتر از خاصیت مکمل بودن ویژگی ها در فرایند طبقه بندی گیاهان در تصاویر مرئی و حرارتی، از رویکرد همجوشی ساختار ویژگی مبتنی بر آنالیز تبعیض رگرسیون طیفی ( SF-SRDA ) استفاده شده است. در مرحله اول، به منظور تهیه پایگاه داده، اقدام به تصویر برداری از گیاهان زراعی و علف های هرز در مزرعه برنج شد. پایگاه داده حاصل، شامل 100 جفت تصویر مرئی و حرارتی از مزرعه برنج می باشد. در گام دوم، ویژگی ها مورد نیاز از لایه های مختلف شبکه های عصبی کانولوشن استخراج شد. در نهایی به منظور کاهش ابعاد ویژگی های استخراج شده از روش آنالیز تبعیض رگرسون طیفی استفاده شد. رویکرد SF-SRDA می تواند ابعاد ویژگی را از 100352 به 2 بعد کاهش دهد. در نهایت از رویکرد طبقه بندی نزدیک ترین همسایگی ( k-means ) و ماشین بردار پشتیبان ( SVM ) با هسته RBF به منظور طبقه بندی نهایی استفاده شد. صحت نهایی بدست آمده در طبقه بندی گیاهان، به کمک رویکرد SF-SRDA و ماشین بردار پشتیبان برابر با 80.34 % می باشد. رویکرد SF-SRDA می تواند علاوه بر استخراج ویژگی های بهینه از فضایویژگی ها، ابعاد ویژگی ها نهایی را نیز بسیار کاهش دهد.

کشاورزی دبیق، شبکه های عصبی کانولوشن، آمیختن ویژگی، SF-SRDA ، آنالیز تشخیص خطی