پیش بینی عملکرد چغندرقند به کمک پردازش تصویر به صورت برخط
Publish place: Journal of Sugar Beet، Vol: 34، Issue: 2
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 349
This Paper With 11 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:
JR_JRSB-34-2_004
تاریخ نمایه سازی: 22 مهر 1398
Abstract:
پیش بینی عملکرد محصولات زراعی به منظور تخمین تولید و تعیین میزان نهادههای کشاورزی مورد نیاز از اهمیت بسیار زیادی در کشاورزی دقیق برخوردار است.. در پژوهش حاضر روشی سریع، دقیق و ارزان برای تخمین عملکرد محصول چغندرقند در دو حالت برگ سبز و سر زنیشده ارائه شده است. ابتدا از محصول در هر دو حالت تصاویری اخذ گردید، سپس شش ویژگی مورفولوژی شامل: مساحت، محیط، قطر بزرگ، قطر کوچک، قطر معادل و خارج از مرکز بودن، از تصاویر استخراج شد. به منظور انتخاب بهترین ویژگی موثر از آنالیز ضریب همبستگی پیرسون استفاده گردید. ویژگیهایی که دارای ضریب همبستگی بیش از 0/7 بودند به عنوان ویژگیهای موثر در نظر گرفته شدند. بر این اسا برای دو حالت برگ سبز و سر زنی شده، به ترتیب ویژگیهای مساحت و محیط انتخاب شدند، برای بررسی صحت معادلات خطی تخمین وزن، معادلات به سیستم برخط تشخیص محصول (در دو حالت) داده شد و به صورت بیدرنگ با حرکت تراکتور، وزن ریشه ی چغندرقند تخمین زده شد. نتایج نشان داد که بین وزن واقعی و وزن تخمین زده شده در دو حالت برگ سبز و سرزنی شده، ضریب همبستگی به ترتیب 0/84 و 0/95 وجود داشت. با توجه به نتایج حاصله، از سیستم پردازش تصویر میتوان به عنوان سامانه تخمین بر خط عملکرد محصول چغندرقند استفاده کرد.
Keywords:
Authors
هادی اورک
کارشناسی ارشد- پردازش تصویر، دانشکده مهندسی زراعی و عمران روستایی، گروه مکانیک بیوسیستم، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان. اهواز، ایران.
سامان آبدانان مهدی زاده
استادیار دانشکده مهندسی زراعی و عمران روستایی، گروه مکانیک بیوسیستم، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان. . اهواز، ایران.
مجید سعدی
دانشجوی کارشناسی ارشد دانشکده مهندسی زراعی و عمران روستایی، گروه مکانیک بیوسیستم، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان. اهواز، ایران.
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 :