مقایسه روش های اندازه گیری خصوصیات هندسی درختان

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 602

This Paper With 13 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:

NCAMEM10_039

تاریخ نمایه سازی: 6 اسفند 1395

Abstract:

اطلاعات مشخصات هندسی گیاهان کاربردهای بسیار زیادی در بخش کشاورزی دارد. برخی از کارهای مهم کشـاورزی کـه مـی توانند از این اطلاعات مشخصات هندسه گیاه استفاده کنند عبارتند از: سم پاشی و آفت کشها، آبیاری و کود دهی. این اطلاعات را با استفاده از روش های مختلف می توان بدست آورد. اما در این زمینه توجه به چند نکته فنی و اقتصادی ضروری است. نکـاتی ماننـد بهبود سیستم های تشخیص، برای مرحله پس از پردازش و ارتقـای سـرعت محاسـبات و تصـمیم گیـری مخصوصـا بـا توجـه بـه پیشرفت های نرم افزارها، و همچنین تولید سنسور و سیستم های کنترل کم هزینه به منظور تسهیل پیاده سازی در مقیاس بزرگ. دراین پژوهش روش های اندازه گیری خصوصیات هندسی درختان مقایسه شدند. روش ها عبارتند از: سیستم های مبتنی بـر فراصـوت، تصویربرداری دیجیتال، حسگر نور، تصاویر رادار با وضوح بالا، بینایی ماشین و حسگر لیدار (LIDAR ).ارزانترین روش که دقت آن تا حدودی مناسب میباشد روش حسگر التراسونیک است. سریعترین و دقیق ترین روش استفاده از حسگر لیدار است. اما هزینـه پیاده سازی این روش زیاد است. در شرایطی که دقت و سرعت بالا مد نظر است و هزینه زیاد مشکل زا نیست، این روش می توانـد تاج درخت را بخوبی مدل سازی نماید. دقت و هزینه سامانه های ماشین بینایی و بینایی استریو متوسط ارزیابی شد. به نظر می رسد در صورت دستیابی به الگوریتم مناسب برای مدلسازی سه بعدی درختان، ایـن روش مـی توانـد بهتـرین روش بـرای انـدازه گیـری خصوصیات هندسی درخت باشد. همچنین حسگر لیدار و سیستم دید استریو احتمالا امیدوارکننده ترین و تکمیـل کننـده تـرین روش برای دستیابی به تصاویر و نقشه های سه بعدی تاج درختان هستند.

Authors

ایوب جعفری ملک آبادی

دانشجوی دکتری دانشکده کشاورزی، دانشگاه فردوسی مشهد

مهدی خجسته پور

دانشیار گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد

باقر عمادی

دانشیار گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد

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 :
  • Blas, M.R., Blanke, M., 2011. Stereo vision with texture learning ...
  • Escola, A., Camp, F., Solanelles, F., Llorens, J., Planas, S., ...
  • Gil, E., Llorens, J., Llop , J., Fabregas, X., Escola, ...
  • Giuliani, R., Magnanini, E., Fragassa, C., Nerozzi, F., 2000. Ground ...
  • Hocevar, M., Sirok, B., Jejcic, V., Godesa, T., Lesnik, M., ...
  • Jeon, H.Y., Zhu, H., Derksen, R., Ozkan, E., Krause , ...
  • Lati, R.N., Filin, S., Eizenberg, H., 2013. Estimating plant growth ...
  • Lee, K.H., Ehsani, R., 2009. A laser scanner based measuremet ...
  • Li, F., Cohen, S., Naor, A., Shaozong, K., Erez, A., ...
  • Llorens, J., Gil, E., Llop, J., Escola, _ 2010. Variable ...
  • Mendez, V., Catalan, H., Rosell-Polo, J.R., Arno, J., Sanz, R., ...
  • Pereira, A.R., Gren, S., Villa Nova, N.A., 2006. Penman -Monteith ...
  • Rosell, J.R., Sanz, R., 2012. A review of methods and ...
  • Rovira-Mas, F., Zhang, Q., Reid, J., 2005. Creation of Three ...
  • Schumann, A.W., Zaman, Q.U., 2005. Software development for real-time ultrasonic ...
  • Solanelles, F., Escola, A., Planas, S., Rosell, J.R., Camp, F., ...
  • Zaman, Q.U., Salyani, M., 2004. Effects of foliage density and ...
  • Zheng, G., Moskal, L.M., 2009. Retrieving leaf area index using ...
  • نمایش کامل مراجع