کاربرد پردازش تصویر برای تشخیصپرندگان تغذیه کننده از شکار در تالاب های پرورش آبزی

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 859

This Paper With 8 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ELECOM01_146

تاریخ نمایه سازی: 9 تیر 1393

Abstract:

شکار آبزیان یکی از نگرانی های عمده برای پرورش دهندگان آبزیان در حوضچه های باز است . یک روش جدید برای متفرق کردن پرندگان شکاری از تالاب ها استفاده از وسایل نقلیه خود مختار یا قایق هاست ، که می توان کارایی آنها را با استفاده از نرم افزار پردازش تصویر بهبود بخشید . در این مقاله تعدادی از تکنیک های پردازش تصویر برای تشخیص پرندگان شکاری تالاب ها مورد آزمایش قرار گرفته شده و یک سری عملیات مورفولوژی 2 و 3 دسته بندی نمود که این ، نیز پیاده سازی و انجام شده است . تصویر را می توان براساس سطح دشواری درتشخیص پرندگان شکاری به سه نوع سه سطح به صورت clear ( واضح) medium clear (متوسط) و unclear (مبهم ) می باشند . تطبیق الگو با استفاده از همبستگی طبیعی و شبکه عصبی مصنوعی (ANN) دیگر روش هایی هستند که در این مقاله بر روی مورفولوژی تصویر اعمال شده است و نتایج رضایت بخشی صرف نظر از سطح دشواری تصویر ارائه داده اند . اما شبکه های عصبی مصنوعی به ترتیب در نوع 3.2.1 سطح دشواری عکس دقت تشخیصی برابر 100 % و 60 % و %50 خواهد داشت .

Authors

بهار بنایی

دانشجوی ارشد کامپیوتر دانشگاه آزاد فردوس

سید محمد میرزایی

دانشجوی ارشد کامپیوتر دانشگاه آزاد فردوس

جلیل پناهی

دانشجوی ارشد کامپیوتر دانشگاه آزاد فردوس

مرتضی شرفی

کارشناسی ارشد برق- کنترل دانشگاه آزاد اسلامی واحد گناباد

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 :
  • کنفرانس منطقه‌ای روش‌های محاسبه نرم در مهندسی برق و کامپیوتر ...
  • Littauer, G. A., J. F. Glahn, D. S. Reinhold, and ...
  • Batra, S. W. T. 1988. Automatic Image Analysis for Rapid ...
  • Casasent, D., A. Talukder, P. Keagy, and T. Schatzki. 2001. ...
  • Gonzalez, R. C. and R. E. Woods. 2003. Digital Image ...
  • Bulanon, D. _ T. Kataoka, Y. Ota, and T. Hiroma.200! ...
  • El-Faki, M. S., N. Zhang, and D. E. Peterson. 2000. ...
  • Machine Vision. Transactions of the ASAE, Vol 43, No 6, ...
  • Leemans, V., H. Magein, and M. F. Destain. 1999. Defect ...
  • Lezoray, O., A. Elmoataz, and H. Cardot.2003. A Color Object ...
  • Sural, S., G. Qian, and S. Pramanik. 2002. Online Document: ...
  • Hemming, J. and T. Rath. 2001. Computer vision- based Weed ...
  • Hall, S. G. and R. R. Price.2001 _ An Autonomous ...
  • Predation On Aquaculture Ponds .Louisiana Agriculture. ...
  • Hall, S. G. and R. Price. 2003 b. Using Autonomous ...
  • Price, A., G. Taylor, and L. Kleeman. 2000. Online Document: ...
  • Lee, C. H., S. H. Lee, and H. H. wang. ...
  • Aitkenhead, M. J., I. A. Dalgetty, C. E. Mullins, A. ...
  • Strachan. 2003. Weed and Crop Discrimination Using Image Analysis and ...
  • Bakircioglu, H.and E. Gelenbe. 1998. Random Neural Network Recognition of ...
  • Gliever, C. and D. C. Slaughter. 2001. Crop verses Weed ...
  • Nishiwaki, K., T. Togashi, and K. Amaha. 2002. Vision-Based Speed ...
  • Chang, H. and U. Robles. 2000. Website: Template Matching (http ...
  • Thiang., A. T. Guntoro, and R. Lim. 2001. Online Document: ...
  • نمایش کامل مراجع