مجید حیدری - گروه مهندسی بیوسیستم, دانشگاه آزاد اسلامی واحد تاکستان, تاکستان, ایران
داود محمد زمانی - گروه مهندسی بیوسیستم, دانشگاه آزاد اسلامی واحد تاکستان, تاکستان, ایران
محمد غلامی پرشکوهی - گروه مهندسی بیوسیستم، دانشگاه آزاد اسلامی واحد تاکستان، تاکستان، ایران
ابراهیم ابراهیمی - گروه مکانیک، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
احمد سهیلی - گروه مکانیک، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران

جوندگان گروه بزرگی از جانوران هستند که در صورت عدم کنترل جمعیت، رشد بیرویه و تکثیر آنها مشکلات جدی برای بشر به وجود خواهند آورد. یکی از راههای کنترل و مبارزه با رشد جمعیت آنها، سم گذاری در لانه آنها با یافتن موقعیت دقیق سوراخ لانه است. در این تحقیق یک الگوریتم هوشمند برای تعیین موقعیت سوراخ لانه جوندگان با استفاده از تحلیل تصاویر هوایی ارائه شد. برای تصویربرداری هوایی کواد کوپتر در ارتفاع ثابت یک متری از سطح زمین و سرعت پیشروی یک متر بر ثانیه، با نرخ تصویربرداری ۲۵ فریم در ثانیه پرواز کرد. فیلم تهیه شده توسط دوربین از طریق ارتباط بیسیم به رایانه منتقل و فریم های آن خوانده شد. از تصاویر فریم ها، مولفه های قرمز، سبز و آبی استخراج و تبدیل های خاکستری و ماتریس هم وقوعی نیز تهیه شد. سپس از آنها ۸۸ ویژگی رنگی و ۴۴ ویژگی بافتی استخراج گردید. بعد از انتخاب ویژگیهای برتر که بیشتر آنها ویژگیهای بافت تصویر بودند از آنها برای آموزش و پیادهسازی طبقه بند ماشین بردار پشتیبان با کرنل پایه شعاعی استفاده شد. بیشترین دقت طبقه بندی برای پهنای کرنل ۱/۰ به دست آمد. این روش با دقت بسیار بالایی(۱۰۰ درصد) توانست سوراخ لانه جونده را تشخیص دهد. کمترین و بیشترین اختلاف بین موقعیت دقیق و موقعیت پیشبینیشده ۱ و ۲۴ سانتی متر بود.

بینایی ماشین, جوندگان, طبقه بندی, کواد کوپتر, ماشین بردار پشتیبان