شناسایی بذر علف های هرز مهم منطقه ی مشهد با استفاده از پردازش تصویر
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 484
This Paper With 12 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:
NCAMEM10_292
تاریخ نمایه سازی: 6 اسفند 1395
Abstract:
این پژوهش با هدف بررسی امکان شناسایی بذر علف های هرز مهم منطقه مشهد با استفاده از فنون پردازش تصویر انجام شد که در آن 49 گونه از علف های هرز مهم و بذر آنان از مزارع، باغات و مراتع مناطق اطراف مشهد جمع آوری، و پس از دستیابی به یک سامانه تصویربرداری مناسب و ساخت جعبه ی اختصاصی تصویربرداری، اقدام به تهیه تصویر از بذرهای گونه های منتخب شد به طوری که در هر گونه 23 تصویر از 23 بذر آن گرفته شد تا در مجموع 1127 تصویر به دست آمد. پس از انجام مراحل پیش پردازش بر روی تصاویر، 26 ویژگی رنگی، 9 ویژگی شکلی و 14 ویژگی بافتی از هر تصویر استخراج شد. مدلی بر اساس روش رگرسیون لجستیک چند جملهای برای شناسایی بذرها استفاده شد که با استفاده از آزمون فریدمن ویژگی ها رتبه بندی و برای ورود به مدل مرتب شدند. تحلیل داده های استخراج شده نشان داد که کارایی ویژگی های رنگی و شکلی تقریبا برابر بوده ولی ویژگی های بافتی کارایی کمتری داشتند، به طوری که میانگین شناسایی صحیح توسط ویژگی های رنگی به تنهایی 91/19 درصد، ویژگی های شکلی 21/19 درصد و ویژگی های بافتی 3/15 درصد بود. دقت مدل برازش یافته با استفاده از تمامی ویژگی ها، 4/84 درصد بود یعنی قادر بود بذرهای مورد مطالعه را با احتمال 4/84 درصد به درستی شناسایی کند. شناسایی بذرها تا به این حد به ما این نوید را داد که در آینده می توانیم شاهد عملکرد قابل قبول این سامانه ها در شناسایی بذرها در سطح وسیع باشیم.
Keywords:
Authors
محمدرضا باقری
دانشجوی کارشناسی ارشد، گروه زراعت و اصلاح نباتات، دانشگاه آزاد اسلامی- واحد مشهد
محمودرضا گلزاریان
استادیار، گروه مهندسی بیوسیستم، دانشگاه فردوسی مشهد
محمدحسن راشدمحصل
استاد، گروه زراعت و اصلاح نباتات، دانشگاه آزاد اسلامی- واحد 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 :