شناسایی ارقام مختلف گندم با استفاده از کلاسبندهای SVM و KNN بر پایه پردازش تصاویر دانه های جدا از هم
Publish place: 14th National Congress of Mechanical Engineering of Biosystems and Mechanization of Iran
Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 253
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCAMEM14_176
تاریخ نمایه سازی: 21 مهر 1401
Abstract:
انتخاب رقم مناسب گندم برای کاشت از عوامل مهمی است که می تواند در عملکرد تولید گندم موثر باشد.امروزه تشخیص ارقام گندم بر اساس رنک و شکل توسط افراد متخصص در این حوزه انجام می شود که کاریمشکل، زمانبر و توام با خطا است و بعضا کشاورزان تنها از روی اعتماد به نظر متخصصان نوع رقم را می پذیرند.هدف از این مطالعه استفاده از بینایی ماشین بر ای رسیدن به حدا کثر دقت در تشخیص ارقام گندم است. در اینمطالعه در مجموع ۸۰۰ تصویر رنگی (۱۰۰ نمونه از هر رقم ) در شرایط نوری ابت بدست آمد. در استخراجویژگی ها از ویژگی های مهم رنگی, بافتی و شکلی استفاده است و در کل ۹۳ ویژگی با استفاده از فضاهای رنگیمختلف LAB , HSV , RGB تهیه گردید. برای طبقه بندی از کلاسبندهای مشهور SVM و KNNاستفاده شد. نتایج تحقیق نشان داد که کلاسبند SVM با میانگین دقت دسته بندی ۹۷/۹۱ % قابلیت خوبی درتشخیص انواع ارقام موجود گندم داشته و عملکرد بهتری نست به کلاسبند KNN دارد.
Keywords:
Authors
حسین باقرپور
استادیار گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان
سیاوش شامحمدی
دانشجوی کارشناسی، گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان