تشخیص و شمارش خودکار کاکل های ذرت با استفاده از آشکارساز مبتنی بر یادگیری عمیق
Publish place: Journal of Agricultural Machinery، Vol: 13، Issue: 2
Publish Year: 1402
Type: Journal paper
Language: Persian
View: 195
This Paper With 20 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-13-2_006
Index date: 5 August 2023
تشخیص و شمارش خودکار کاکل های ذرت با استفاده از آشکارساز مبتنی بر یادگیری عمیق abstract
در سال های اخیر استفاده از یادگیری عمیق در کشاورزی دقیق به منظور تشخیص و شمارش آفات و یا بیماری های گیاهان، سمپاشی هوشمند، تخمین سطح زیر کشت و نظارت بر روند رشد گیاهان جهت مقابله با عوامل بازدارنده و یا کاهش دهنده رشد و با هدف افزایش بهره وری محصولات کشاورزی به سرعت رو به افزایش است. در این مقاله، به طراحی الگوریتمی برگرفته از شبکه عصبی عمیق YOLOv۵s جهت تشخیص و شمارش خودکار کاکل های گیاه ذرت پرداخته شده است. برای این منظور، از تصاویر اخذ شده توسط پهپاد از مزرعه ذرت در دو تاریخ متفاوت جهت آموزش و ارزیابی شبکه استفاده گردیده و با توجه به نوع و اندازه داده به اعمال تغییراتی در معماری و تابع فعال سازی الگوریتم اصلی YOLOv۵s با هدف افزایش تعداد پارامترهای شبکه، کاهش بیش برازش و افزایش دقت تشخیص پرداخته شد و الگوریتم Modified YOLOv۵s که به اختصار MYOLOv۵s نام دارد به عنوان نسخه بهبودیافته YOLOv۵s با قابلیت شناسایی و شمارش کاکل های ذرت با مقادیر ضریب تبیین (R۲) ۹۹.۲۸ درصد و دقت متوسط (AP) ۹۵.۳۰ درصد حاصل شد. همچنین، عملکرد روش پیشنهادی به کار گرفته شده در این مقاله با الگوریتم های معتبر معرفی شده در این زمینه ,TasselNetv۲+ Faster R-CNN و RetinaNet مقایسه گردید. نتایج به دست آمده نشان می دهد که مقادیر ضریب تبیین برای این سه شبکه به ترتیب ۷۷.۸۶، ۸۶.۸۳ و ۹۵.۵۳ درصد می باشد. همچنین برای الگوریتم های Faster R-CNN و RetinaNet مقادیر دقت متوسط ۷۶.۹۹ و ۷۷.۶۶ درصد به دست آمد. این نتایج نشان می دهند که الگوریتم MYOLOv۵s حداکثر مقادیر ضریب تبیین R۲ و دقت متوسط (AP)، دقت (Precision) و یادآوری (Recall) را دارد که بیانگر کارایی بالای روش پیشنهادی در تشخیص کاکل ذرت است. شایان ذکر است MYOLOv۵s با دارا بودن سرعت پردازش ۸۴ فریم بر ثانیه سریع ترین روش در تشخیص کاکل ذرت محسوب می گردد.
تشخیص و شمارش خودکار کاکل های ذرت با استفاده از آشکارساز مبتنی بر یادگیری عمیق Keywords:
تشخیص و شمارش خودکار کاکل های ذرت با استفاده از آشکارساز مبتنی بر یادگیری عمیق authors
شهرزاد فلاحت نژاد ماهانی
دانشجوی دکترا دانشکده فیزیک، دانشگاه شهید باهنر کرمان، کرمان، ایران
اعظم کرمی
دانشکده فیزیک، دانشگاه شهید باهنر کرمان، کرمان، 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 :