شناسایی زنجرک پسته Idiocerus stali (Hem.: Cicadellidae) با استفاده از پردازش تصویر و شبکه های عصبی مصنوعی
Publish place: Journal of Agricultural Machinery، Vol: 12، Issue: 2
Publish Year: 1401
Type: Journal paper
Language: Persian
View: 330
This Paper With 12 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_JAM-12-2_001
Index date: 26 April 2022
شناسایی زنجرک پسته Idiocerus stali (Hem.: Cicadellidae) با استفاده از پردازش تصویر و شبکه های عصبی مصنوعی abstract
استراتژی مدیریت تلفیقی آفات (IPM)، به پایش پیوسته جمعیت آفات وابسته است، این کار نه تنها زمان بر است، بلکه وابستگی زیادی به داوری انسان دارد و پر هزینه نیز می باشد. استفاده از روش های هوش مصنوعی به جای تصمیم گیری های دستی و انسانی، علاوه بر این که سبب افزایش بهره وری می گردد، از دقت بالایی نیز برخوردار است. پسته، یک محصول تجاری است و هر ساله خسارت زیادی توسط حشرات به تولیدکنندگان این محصول وارد می شود. گروهی از آفات پسته عمدتا از میوه پسته تغذیه می کنند، که از این گروه زنجرک پسته، دارای اهمیت زیادی می باشد. در این تحقیق زنجرک پسته به عنوان حشره هدف جهت شناسایی انتخاب شد. برای جمع آوری نمونه ها از کارت های زرد چسبنده استفاده شد. ۳۵۷ خصوصیت رنگی و ۲۰خصوصیت شکلی برای شناسایی زنجرک پسته به وسیله الگوریتم پردازش تصویر استخراج شد. خصوصیات رنگی به دو دسته ی خصوصیات مربوط به میانگین و انحراف معیار و خصوصیات مربوط به شاخص های سبزی تقسیم شدند. از ۱۷ فضای رنگی مختلف مثل RGB، HSV و غیره برای استخراج خصوصیات و از روش هیبرید شبکه عصبی مصنوعی-الگوریتم بهینه سازی ازدحام ذرات (ANN-PSO) برای انتخاب خصوصیات موثر استفاده گردید. خصوصیات موثر انتخابی جهت طبقه بندی حشرات عبارتند از: شاخص رنگی برای پوشش گیاهی استخراجی مربوط به فضای رنگی HSL، شاخص تفاضل نرمال شده مربوط به فضای رنگی LCH، کانال خاکستری مربوط به فضای رنگی YCbCr، شاخص مولفه دوم منهای مولفه سوم مربوط به فضای رنگی YCbCr، مساحت و میانگین مولفه های اول، دوم و سوم فضای رنگی Luv. نرخ شناسایی الگوریتم پردازش تصویر طراحی شده، ۷۲/۹۹درصد کل اشیا (زنجرک پسته، سوسک چوب خوار قرمز پسته و سایر حشره های غیر هدف و متفرقه) می باشد. شبکه های عصبی مصنوعی، توانایی طبقه بندی حشرات به سه کلاس (زنجرک پسته، سوسک چوب خوار قرمز پسته و سایر حشره های غیر هدف و متفرقه) و دو کلاس (زنجرک پسته و سوسک چوب خوار قرمز پسته) به ترتیب با دقت ۵۳/۹۱ و ۵۹/۹۹ درصد را دارند.
شناسایی زنجرک پسته Idiocerus stali (Hem.: Cicadellidae) با استفاده از پردازش تصویر و شبکه های عصبی مصنوعی Keywords:
شناسایی زنجرک پسته Idiocerus stali (Hem.: Cicadellidae) با استفاده از پردازش تصویر و شبکه های عصبی مصنوعی authors
زینب عزیزپور
گروه گیاهپزشکی، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران
حسنعلی واحدی
گروه گیاهپزشکی، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران
علی نجات لرستانی
گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :