شناسایی گوجهفرنگی رسیده با استفاده از ویژگیهای رنگ، بافت و تبدیل موجک به منظوراستفاده در روبات برداشت گوجهفرنگی
Publish place: Sixth Conference on Agricultural Research Findings
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 671
This Paper With 5 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:
RCANR06_149
تاریخ نمایه سازی: 9 تیر 1393
Abstract:
گوجه فرنگی از جمله محصولات مهم کشاورزی است که تولید آن در گلخانه رشد قابل توجهی داشته است. با افزایش هزینه‌های کارگری، اتوماتیک کردن عملیات گلخانه‌ای به یکی از مسائل مهم روز تبدیل شده است. در این تحقیق، الگوریتم بینایی بر مبنای ترکیبی از عملیات پردازش تصویر و شبکه عصب مصنوعی به منظور شناسایی گوجهفرنگی رسیده پیشنهاد شده است. در عملیات پردازش تصویر، 186 ویژگی شامل 48 ویژگی رنگی، 48 ویژگی بافت و 90 ویژگی تبدیل موجک از تصاویر استخراج شد. در نهایت به منظور شناسایی گوجهفرنگی رسیده، ویژگی استخراج شده به عنوان ورودی یک شبکه چند لایه پیش‌خور مورد استفاده قرار گرفتند. نتایج نشان دادند که سیستم قادر بود گوجه فرنگی رسیده و نرسیده را به ترتیب با دقت 100 و 15/96 درصد شناسایی کند.
Keywords:
Authors
آرمان عارفی
دانشجوی دکتری مکانیک ماشینهای کشاورزی، گروه مکانیک ماشینهای کشاورزی، دانشگاه ارومیه
اسعد مدرس مطلق
استادیار گروه مکانیک ماشینهای کشاورزی، دانشگاه ارومیه،
جلال خدایی
استادیار گروه مکانیک ماشینهای کشاورزی، دانشگاه کردستان
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 :