تشخیص هوشمند تاسل در تصاویر پهپادی با استفاده از یادگیری عمیق برای تعیین تاریخ گل دهی
Publish place: Machine Vision and Image Processing، Vol: 9، Issue: 3
Publish Year: 1401
Type: Journal paper
Language: Persian
View: 251
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_JMVIP-9-3_004
Index date: 19 February 2022
تشخیص هوشمند تاسل در تصاویر پهپادی با استفاده از یادگیری عمیق برای تعیین تاریخ گل دهی abstract
تخمین عملکرد و بررسی روند رشد در گونه های مختلف از یک محصول در کشاورزی دقیق برای محققین و کارشناسان حوزه کشاورزی بسیار حائز اهمیت است. در این مقاله روشی نوین مبتنی بر یادگیری عمیق تک مرحله ای به نام GP-YOLOv۵ برای شناسایی خودکار تاسل در تصاویر پهپادی از یک مزرعه بزرگ ذرت در تاریخهای مختلف رشد و تخمین زمان گلدهی ارائه شده است. در این راستا ابتدا به دلیل رشد تعداد کمی از تاسلها در مراحل اولیه رشد برای داده افزایی از شبکه مولد متخاصم GP-GAN استفاده شد. سپس برای شمارش و تشخیص تاسل ها ساختار و پارامترهای آشکارساز YOLOv۵ برای افزایش دقت مطابق با پایگاه داده اصلاح شد. در ادامه شمارش گیاهان در مراحل اولیه کاشت به عنوان یک پارامتر مهم در تعیین تاریخ گلدهی در نظر گرفته شد. شمارش گیاهان با استفاده از آشکارساز CenterNet انجام شده است و از الگوریتم های درونیابی و پیش بینی برای تعیین تاریخ گلدهی استفاده شد. روش پیشنهادی با دو روش معتبر مبتنی بر تشخیص CenterNet و روش مبتنی بر رگرسیون TasselNetv۲+ برای شمارش تاسل ها مقایسه شد. دقت میانگین در تشخیص صحیح تاسل ها در روش پیشنهادی ۸۱/۹۶ و در روش CenterNet، ۷۸/۸۱ درصد است که نشان میدهد دقت روش پیشنهادی بالاتر از روش CenterNet است.
تشخیص هوشمند تاسل در تصاویر پهپادی با استفاده از یادگیری عمیق برای تعیین تاریخ گل دهی Keywords:
تشخیص هوشمند تاسل در تصاویر پهپادی با استفاده از یادگیری عمیق برای تعیین تاریخ گل دهی authors
سیده فروه موسوی
آزمایشگاه پردازش تصویر و رباتیک، دانشکده فیزیک، دانشگاه شهید باهنر کرمان
اعظم کرمی
دانشکده فیزیک، دانشگاه شهید باهنر کرمان