شناسایی و تشخیص آفات گیاهی درخت پسته درقسمت های"میوه و ساقه" با استفاده از رنگ تصویر
Publish place: The Second National Conference on Applied Research in Computer Science and Information Technology
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 744
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:
CITCONF02_587
تاریخ نمایه سازی: 19 اردیبهشت 1395
Abstract:
امروزه استفاده از تکنیک های پردازش تصویر در حال رشد می باشد. تحقیقات و پژوهش های بسیاری در زمینه های پزشکی، رباتیک، هواشناسی و نظامی شده انجام شده است و از آنها استفاده های زیادی می شود. اما تحقیقات در مورد استفاده از روش های پردازش تصویر در تشخیص آفات گیاهان، کمتر مورد بحث و پژوهش واقع قرار گرفته است. در این مقاله تلاش بر این است، به منظور شناسایی بیشتر آفات گیاهی درختان پسته با استفاده از روش های پردازش تصویر تحقیقات خود را انجام دهیم. اساس کار در این مقاله تشخیص آفت و بیماری های گیاهی درخت پسته در قسمت های میوه و ساخت توسط ماشین و به صورت هوشمند می باشد. با نگاه کلی تر می توان گفت با طراحی سیستم هوشمند تشخیص آفات درخت مذکور با داشتن یک دیتابیس از عکس های گیاه سالم و آفت زده در ناحیه میوه و ساقه توسط دوربین مداربسته، کشاورزان، یا حتی افراد ناآشنا، در هستی شناسی و ...جمع آوری شده است، پس از ارسال به ماشین پیشتیبانی، با استفاده از روش های تشخیص رنگ تصویر، نوع آفت توسط ماشین مورد مقایسه و تشخیص قرار می گیرد. در حالت سنتی این کار نیاز به نظارت مستمر کارشناسان دارد، که در مزارع بزرگ شامل هزینه های زیادی می شود و در بعضی از کشورهای در حال توسعه، مهندسین کشاورزی ممکن است برای طی مسافت طولانی و ارتباط با کارشناسی تشخیص آفات محدودیت داشته باشد. از اهداف مهم این روش تشخیص به موقع آفات درختان پسته و کم کردن ضریب خطا در تشخیص و تجویز به باغداران و در نتیجه برداشت محصول با کیفیت جهت صادرات می باشد.
Keywords:
Authors
حسن پهلووری
دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان
فرزین یغمایی
هیئت علمی دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان
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 :