مروری بر شبکه های مهم یادگیری عمیق CNN و کاربردهای آن در کشاورزی
Publish place: 14th National Congress of Mechanical Engineering of Biosystems and Mechanization of Iran
Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 157
This Paper With 26 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_177
تاریخ نمایه سازی: 21 مهر 1401
Abstract:
بهره گیری از شبکه های کانولوشنی با باد گیری عمیق در حوزه کشاورزی به دلیل داشتن توانابیعالی در استخراج ویژگی های تصاویر از محبوبیت بیشتری بر خودار بوده و اخبرا توجه بسیاری ازمحققان را به خود جلب کرده است. این بررسی بیشتر به منظور تشویق و ترغیب محققان به استفاده ازشبکه های لابه عمیق برای حل بسیاری از کارهای مرتبط با حوزه کشاورزی از جمله شناسایی. پیش بینیو طبقه بندی کلاسها در ارتباط با بینایی ماشین، تحلیل تصاویر با به شکل کلی تحلیل داده ها است. مزیتکلی باد گیری عمیق در تامین راهکاری برای ایجاد کشاورزی بایدار. هوشمند و تولید محصول باکیفیت بالا است و می تواند در هوشمندسازی کشاورزی کمک شایانی به کشاورزان در حوزه هایمختلف داشته باشد. در این تحقیق سعی گردید انواع روش های مهم یاد گیری ماشین، شبکه های مختلفیاد گیری عمیق, تعداد بارامترهای آنها و تحلیل اجزا لایه ها بررسی گردد تا دید کامل تری از شبکه هایمتداول باد گیری عمیق بدست آید. همچنین در این گزارش شاخص های ارزیابی کیفی شبکه ها بررسیو معرفی شد تا بتوان از آنها در ارزبایی شبکه ها بهره برد.
Keywords:
Authors
حسین باقرپور
استادیار گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان
فرهاد فاتحی
داانشجوی دکتری، گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان