پردازش تصویر
شهرزاد فلاحت؛ اعظم کرمی
چکیده
در سالهای اخیر استفاده از یادگیری عمیق در کشاورزی دقیق به منظور تشخیص و شمارش آفات و یا بیماری‌های گیاهان، تخمین سطح زیر کشت و نظارت بر روند رشد گیاهان به سرعت رو به افزایش است. در این مقاله، به طراحی الگوریتمی برگرفته از شبکه عصبی عمیق YOLOv5s جهت تشخیص و شمارش خودکار کاکل‌های گیاه ذرت پرداخته شده است. برای این منظور، از تصاویر اخذ شده ...
بیشتر
در سالهای اخیر استفاده از یادگیری عمیق در کشاورزی دقیق به منظور تشخیص و شمارش آفات و یا بیماری‌های گیاهان، تخمین سطح زیر کشت و نظارت بر روند رشد گیاهان به سرعت رو به افزایش است. در این مقاله، به طراحی الگوریتمی برگرفته از شبکه عصبی عمیق YOLOv5s جهت تشخیص و شمارش خودکار کاکل‌های گیاه ذرت پرداخته شده است. برای این منظور، از تصاویر اخذ شده توسط پهپاد از مزرعه ذرت در دو تاریخ متفاوت جهت آموزش و ارزیابی شبکه استفاده گردیده و با توجه به نوع و اندازه داده به اعمال تغییراتی در معماری و تابع فعال‌سازی الگوریتم اصلی YOLOv5s با هدف افزایش تعداد پارامترهای شبکه، کاهش بیش برازش و افزایش دقت تشخیص پرداخته شد و الگوریتم Modified YOLOv5s که به اختصار MYOLOv5s نام دارد به عنوان نسخه بهبود یافته YOLOv5s با قابلیت شناسایی و شمارش کاکل‌های ذرت با مقادیر ضریب تبیینR2 28/99 درصد و دقت متوسط (AP) 30/95 درصد حاصل شد. همچنین، عملکرد روش پیشنهادی به کار گرفته شده در این مقاله با الگوریتم‌های معتبر معرفی شده در این زمینه , TasselNetv2+ Faster R-CNNوRetinaNet مقایسه گردید. نتایج بدست آمده نشان می‌دهد که مقادیر ضریب تبیین برای این سه شبکه به ترتیب 86/77، 83/86 و 53/95 درصد می‌باشد. همچنین برای الگوریتم‌هایFaster R-CNN وRetinaNet مقادیر دقت متوسط 99/76 و 66/77 درصد بدست آمد. این نتایج بیانگر کارایی بالای روش پیشنهادی در تشخیص کاکل ذرت است. شایان ذکر است MYOLOv5s با دارا بودن سرعت پردازش 84 فریم بر ثانیه سریعترین روش در تشخیص کاکل ذرت محسوب می‌گردد.
پردازش تصویر
سامان آبدانان مهدی زاده
چکیده
با وجود کاهش شدید منابع آبی ایران و رشد روز افزون جمعیت، نیاز به تولید غذا و محصولات کشاورزی بیش از گذشته است. در گذشته اغلب کاشت گیاهان به صورت کشت مستقیم بذر صورت می پذیرفت و منابع آبی بسیار خصوصا آب های زیر زمینی برای کشت مستقیم بذر و جوانه زنی گیاه مصرف می گردید. از جمله روش های کاهش مصرف آب، کود و سموم کشت نشایی به جای کشت مستقیم ...
بیشتر
با وجود کاهش شدید منابع آبی ایران و رشد روز افزون جمعیت، نیاز به تولید غذا و محصولات کشاورزی بیش از گذشته است. در گذشته اغلب کاشت گیاهان به صورت کشت مستقیم بذر صورت می پذیرفت و منابع آبی بسیار خصوصا آب های زیر زمینی برای کشت مستقیم بذر و جوانه زنی گیاه مصرف می گردید. از جمله روش های کاهش مصرف آب، کود و سموم کشت نشایی به جای کشت مستقیم بذر است. لذا هدف از پژوهش حاضر مدل سازی دینامیکی و ساخت سامانه کاشت بذر در سینی نشاء در نظر گرفته شد. بدین منظور ابتدا یک بازوی کارنده مدل سازی و موقعیت کارنده در هر لحظه بدست آمد. سپس بر اساس مدل سازی دینامیکی بازو ساخته و عملیات کشت بذر در سینی نشاء صورت پذیرفت. ارزیابی سامانه کاشت دو سطح سرعت پیشروی 5 و 10 سانتی متر بر ثانیه برای بذر چغندرقند انجام گرفت که ظرفیـت نامی این بذرکار بین 3579 تا 4613 سلول در ساعت بود. در ضمن شاخص های نکاشت و چندگانه کاشت در 3000 سلول نیز به ترتیب 03/0 و 17/8 درصد بدست آمد. با توجه به دقت کاشت، سرعت عملکرد کارنده و همچنین مصرف اندک انرژی (56/25 وات.ساعت) این سامانه توانایی جایگزینی بذرکاری دستی در سینی نشاء را دارد.
پردازش تصویر
داود محمدزمانی؛ سید محمد جاویدان؛ معین زند؛ محمد رسولی
چکیده
در این مطالعه، یک رویکرد شبکه عصبی برای تعیین محل دقیق میوه خیار بر روی تصاویر گلخانه‌ای پیشنهاد شده است. برای این منظور پس از متعادل کردن هیستوگرام روشنایی تصویر مورد نظر، تصویر را با پنجره‌ای حاوی تصویر میوه خیار ضرب می‌کند که باعث می‌شود در مناطق مشکوک به خیار ضرایب بزرگ‌تری به‌دست آید. با استخراج این حداکثرهای محلی، خوشه‌هایی ...
بیشتر
در این مطالعه، یک رویکرد شبکه عصبی برای تعیین محل دقیق میوه خیار بر روی تصاویر گلخانه‌ای پیشنهاد شده است. برای این منظور پس از متعادل کردن هیستوگرام روشنایی تصویر مورد نظر، تصویر را با پنجره‌ای حاوی تصویر میوه خیار ضرب می‌کند که باعث می‌شود در مناطق مشکوک به خیار ضرایب بزرگ‌تری به‌دست آید. با استخراج این حداکثرهای محلی، خوشه‌هایی از نقاط اولیه به‌عنوان پنجرههای احتمالی وجود خیار به‌دست میآید. سپس برای تشخیص دقیق محل قرارگیری خیارها، این نقاط و نواحی اطراف آن‌ها به یک شبکه عصبی که با استفاده از تعدادی تصویر شامل تصاویر خیار، تصاویر غیر خیار و پاسخ بهینه آن‌ها آموزش داده شده است، ارجاع داده می‌شود. مناطق بهدستآمده از این شبکه منجر به تشخیص دقیق محل خیارها در تصویر شد. روش پیشنهادی در جعبه ابزار Simulink نرمافزار متلب پیادهسازی شد. سپس روش پیشنهادی با استفاده از این ساختار شبکه شبیهسازی شد و بر روی 120 تصویر بهدستآمده از یک گلخانه توسط دوربین دیجیتال آزمایش شد. این روش خطای پایینی داشت و توانست نرخ بالایی را در زمان مناسب میوه‌های خیار در تصاویر کشفشده تشخیص دهد.
پردازش تصویر
زینب عزیزپور؛ حسنعلی واحدی؛ علی نجات لرستانی
چکیده
استراتژی مدیریت تلفیقی آفات (IPM)، به پایش پیوسته جمعیت آفات وابسته است، این کار نه تنها زمان‌بر است، بلکه وابستگی زیادی به داوری انسان دارد و پر هزینه نیز می‌باشد. استفاده از روش‌های هوش مصنوعی به جای تصمیم‌گیری‌های دستی و انسانی، علاوه بر این که سبب افزایش بهره‌وری می‌گردد، از دقت بالایی نیز برخوردار است. پسته، یک محصول تجاری ...
بیشتر
استراتژی مدیریت تلفیقی آفات (IPM)، به پایش پیوسته جمعیت آفات وابسته است، این کار نه تنها زمان‌بر است، بلکه وابستگی زیادی به داوری انسان دارد و پر هزینه نیز می‌باشد. استفاده از روش‌های هوش مصنوعی به جای تصمیم‌گیری‌های دستی و انسانی، علاوه بر این که سبب افزایش بهره‌وری می‌گردد، از دقت بالایی نیز برخوردار است. پسته، یک محصول تجاری است و هر ساله خسارت زیادی توسط حشرات به تولیدکنندگان این محصول وارد می‌شود. گروهی از آفات پسته عمدتاً از میوه پسته تغذیه می‌کنند، که از این گروه زنجرک پسته، دارای اهمیت زیادی می‌باشد. در این تحقیق زنجرک پسته به‌عنوان حشره هدف جهت شناسایی انتخاب شد. برای جمع‌آوری نمونه‌ها از کارت‌های زرد چسبنده استفاده شد. 357 خصوصیت رنگی و 20خصوصیت شکلی برای شناسایی زنجرک پسته به‌وسیله الگوریتم پردازش تصویر استخراج شد. خصوصیات رنگی به دو دسته‌ی خصوصیات مربوط به میانگین و انحراف‌معیار و خصوصیات مربوط به شاخص‌های سبزی تقسیم شدند. از 17 فضای رنگی مختلف مثل RGB، HSV و غیره برای استخراج خصوصیات و از روش هیبرید شبکه عصبی مصنوعی-الگوریتم بهینه‌سازی ازدحام ذرات (ANN-PSO) برای انتخاب خصوصیات مؤثر استفاده گردید. خصوصیات مؤثر انتخابی جهت طبقه‌بندی حشرات عبارتند از: شاخص رنگی برای پوشش گیاهی استخراجی مربوط به فضای رنگی HSL، شاخص تفاضل نرمال شده مربوط به فضای رنگی LCH، کانال خاکستری مربوط به فضای رنگی YCbCr، شاخص مؤلفه دوم منهای مؤلفه سوم مربوط به فضای رنگی YCbCr، مساحت و میانگین مؤلفه های اول، دوم و سوم فضای رنگی Luv. نرخ شناسایی الگوریتم پردازش تصویر طراحی شده، 99.72درصد کل اشیا (زنجرک پسته، سوسک چوب‌خوار قرمز پسته و سایر حشره‌های غیر هدف و متفرقه) می‌باشد. شبکه‌های عصبی مصنوعی، توانایی طبقه‌بندی حشرات به سه کلاس (زنجرک پسته، سوسک چوب‌خوار قرمز پسته و سایر حشره‌های غیر هدف و متفرقه) و دو کلاس (زنجرک پسته و سوسک چوب‌خوار قرمز پسته) به‌ترتیب با دقت 91.53 و 99.59 درصد را دارند.
حدیث بی آبی؛ سامان آبدانان مهدی زاده؛ محمدرضا صالحی سلمی
چکیده
تشخیص خودکار و به‌موقع بیماری‌های گیاهی، یک موضوع اساسی در نظارت و تولید محصولات سالم و باکیفیت است. لذا طراحی و توسعه روشی سریع، خودکار، ارزان و دقیق به‌منظور تشخیص بیماری گیاهان در مراحل اولیه از اهمیت به‌سزایی برخوردار است. در این پژوهش تصاویر از 40 لیلیوم آلوده به بیماری آتشک و 40 گیاه سالم توسط دوربین دیجیتال اخذ و پس از تقسیم‌بندی ...
بیشتر
تشخیص خودکار و به‌موقع بیماری‌های گیاهی، یک موضوع اساسی در نظارت و تولید محصولات سالم و باکیفیت است. لذا طراحی و توسعه روشی سریع، خودکار، ارزان و دقیق به‌منظور تشخیص بیماری گیاهان در مراحل اولیه از اهمیت به‌سزایی برخوردار است. در این پژوهش تصاویر از 40 لیلیوم آلوده به بیماری آتشک و 40 گیاه سالم توسط دوربین دیجیتال اخذ و پس از تقسیم‌بندی تصاویر تعداد 9 ویژگی رنگی از سه کانال RGB، Lab و HSV از ساقه و برگ گیاه و همچنین یک ویژگی مورفولوژیکی (طول ساقه) از گیاه استخراج شد. با اعمال الگوریتم پرچینهای زبانی طی 100 هزار تکرار موثرترین این ویژگی‌ها (L برگ، L ساقه، a برگ، b برگ، H برگ، b ساقه، H ساقه، V برگ و طول ساقه) انتخاب و به‌وسیله خوشهبند k-means گروهبندی شدند. در نهایت نشان داده شد که دقت خوشهبند برای دو گونه بیمار، سالم و دقت کلی به‌ترتیب برابر با 42/96 و 100 و 63/97 درصد به‌دست آمد.
پردازش تصویر
علی یوسفوند؛ جعفر امیری پریان
چکیده
کنترل بیماری‌ها و آفات گردو مستلزم تعیین نقشه گستردگی آلودگی‌ها در کمترین زمان ممکن می‌باشد. پردازش تصویر به‌عنوان رویکردی برای تعیین میزان و نوع آسیب‌دیدگی محصولات مختلف در مزارع و باغات ارائه شده است. هدف از انجام این پژوهش، تشخیص بیماری آنتراکنوز برگ درختان گردو با استفاده از روش پردازش تصویر می‌باشد. تشخیص بیماری در باغ ...
بیشتر
کنترل بیماری‌ها و آفات گردو مستلزم تعیین نقشه گستردگی آلودگی‌ها در کمترین زمان ممکن می‌باشد. پردازش تصویر به‌عنوان رویکردی برای تعیین میزان و نوع آسیب‌دیدگی محصولات مختلف در مزارع و باغات ارائه شده است. هدف از انجام این پژوهش، تشخیص بیماری آنتراکنوز برگ درختان گردو با استفاده از روش پردازش تصویر می‌باشد. تشخیص بیماری در باغ و با استفاده از تصاویر گرفته شده از برگ‌های واقع بر روی درخت انجام گرفت تا با عملیاتی با بار محاسباتی اندک و الگوریتمی به دور از پیچیدگی محاسباتی، زمینه لازم برای طراحی نرم‌‌افزارهای کاربردی بر روی سامانه‌های مکاترونیکی هوشمند فراهم گردد. بدین منظور تصاویری از برگ‌های سالم گردو و همچنین نقاط آلوده به بیماری آنتراکنوز گرفته شد. الگوریتم شناسایی بیماری آنتراکنوز مبتنی بر ویژگی‌های رنگی و شکل‌شناسی برگ‌ها و لکه‌های ناشی از بیماری بود. نتایج حاصل از ارزیابی روش ارائه شده برای تشخیص بیماری آنتراکنوز، دقت تفکیک 98 درصد را نشان داد. شدت آلودگی محاسبه شده توسط الگوریتم با شدت آلودگی حقیقی مقایسه شد و نتایج استفاده از آزمون توزیع t برای مقایسه میانگین دو نمونه (شدت آلودگی محاسبه شده توسط الگوریتم و شدت آلودگی حقیقی) نشان داد که بین دو گروه در سطح احتمال 01/0 اختلاف معنی‌داری وجود ندارد.
آرمین کهن؛ سعید مینایی
چکیده
به‌منظور افزایش دقت بخش‌بندی تصاویر گل محمدی، چند روش متعادل‌سازی هیستوگرام برای بهبود کیفیت تصاویر رنگی این گل‌ها و چند روش آستانه‌گیری برای بخش‌بندی گل‌های مذکور در تصویر، مورد بررسی قرار گرفت. قابل ذکر است که تصویربرداری در فضای باز و ساعات مختلف روز و شرایط متفاوتی از شدت نور انجام گرفت. برای بررسی دقیق‌تر، یک آزمایش فاکتوریل ...
بیشتر
به‌منظور افزایش دقت بخش‌بندی تصاویر گل محمدی، چند روش متعادل‌سازی هیستوگرام برای بهبود کیفیت تصاویر رنگی این گل‌ها و چند روش آستانه‌گیری برای بخش‌بندی گل‌های مذکور در تصویر، مورد بررسی قرار گرفت. قابل ذکر است که تصویربرداری در فضای باز و ساعات مختلف روز و شرایط متفاوتی از شدت نور انجام گرفت. برای بررسی دقیق‌تر، یک آزمایش فاکتوریل در قالب یک طرح کاملاً تصادفی با دو عامل روش متعادل‌سازی هیستوگرام، در 8 سطح و روش آستانه‌گیری، در 15 سطح به‌کار گرفته شد. روش‌های متعادل‌سازی هیستوگرام عبارت بودند از: CHE, BBHE, BHEPL-D, DQHEPL, DSIHE, RMSHE, RSIHE و تیمار شاهد بدون متعادل‌سازی هیستوگرام (NHE). همچنین روش‌های آستانه‌گیری عبارت بودند از: Huang, Intermodes, Isodata, Li, maximum entropy, mean, minimum, moments, Otsu, percentile, Renyi’s entropy, Shanbhag, Yen, constant و global basic thresholding method. تاثیر این دو عامل بر خصوصیات تصویر بخش‌بندی شده از قبیل: درصد سطوحی که به اشتباه بخش‌بندی شده‌اند (PISA)، درصد هم‌پوشانی سطوح (POA)، درصد سطوحی که تشخیص داده نشده‌اند (PUA) و درصد سطوح تشخیص داده شده گل‌ها (PDF) مورد بررسی قرار گرفت. نتیجه روش‌های متعادل‌سازی هیستوگرام نشان داد که DQHEPL و NHE پایین‌ترین میزان PUA (به‌ترتیب 13/11% و 32/8%)، بالاترین POA (به‌ترتیب 35/89% و 07/92%) و بالاترین PDF (به‌ترتیب 88/61% و 94/64%) را از لحاظ آماری دارا می‌باشند. روش‌های آستانه‌گیری تاثیر معنی‌داری بر PISA, PUA, POA و PDF داشتند. بزرگ‌ترین مقادیر PDF به روش آستانه‌گیری constant، minimum و Intremodes (به‌ترتیب 07/75%، 08/73% و 30/74%)، همچنین کمترین مقدار PISA مربوط به این موارد بود (به‌ترتیب 35/0%، 29/1% و 35/0%) و PUA (به‌ترتیب 72/33%، 09/23% و 56/15%). این روش‌ها بزرگ‌ترین مقدار POA را نشان دادند (به‌ترتیب 73/80%، 70/76% و 67/84%). لذا روش‌های مناسبی برای بخش‌بندی گل محمدی در تصویر رنگی محسوب می‌گردند.
طراحی و ساخت
حدیث بی آبی؛ سامان آبدانان مهدی زاده؛ مریم نداف زاده؛ محمدرضا صالحی سلمی
چکیده
در زمینه‌ی کشاورزی، نظارت منظم و دوره‌ای جهت کنترل سلامت و کیفیت گیاهان امری ضروری است. اندازه‌گیری مقدار کلروفیل و کارتنوئید برگ به‌عنوان یکی از شاخص‌های سلامت محصول محسوب می‌شود. در این پژوهش مجموعه‌هایی از تصاویر برگ‌های 6 گیاه مختلف (ختمی، لگنوم، برگ بیدی، انجیر معابد، رز و کنار) با هدف پیش‌بینی کلروفیل و کارتنوئید در فضاهای ...
بیشتر
در زمینه‌ی کشاورزی، نظارت منظم و دوره‌ای جهت کنترل سلامت و کیفیت گیاهان امری ضروری است. اندازه‌گیری مقدار کلروفیل و کارتنوئید برگ به‌عنوان یکی از شاخص‌های سلامت محصول محسوب می‌شود. در این پژوهش مجموعه‌هایی از تصاویر برگ‌های 6 گیاه مختلف (ختمی، لگنوم، برگ بیدی، انجیر معابد، رز و کنار) با هدف پیش‌بینی کلروفیل و کارتنوئید در فضاهای رنگی پیشنهادشده (RGB،Lab ،HSV و I1I2I3) مورد بررسی قرار گرفتند. هر فضای رنگی شرایط مختلفی از احتمال توزیع یک گروه رنگ را ارائه می‌دهد، بدین ترتیب پس از بررسی فضاهای رنگی با توجه به نتایج آنالیز آماری در سطح احتمال 5%، مناسب‌ترین پارامترهای رنگی (R، a و c) جهت آموزش الگوریتم درخت تصمیمگیری انتخاب گردید. بر اساس نتایج بهدستآمده، نشان داده شد که بین روش پردازش تصویر و مقادیر اندازه‌گیری شده توسط دستگاه طیفسنج همبستگی بالای 92/0 برای کلروفیل و 85/0 برای کارتنوئید وجود دارد. همچنین شایان ذکر است که استفاده از روش پیشنهادی این تحقیق می‌تواند هم از لحاظ اقتصادی (هزینه‌های مربوط به نیروی انسانی و تهیه دستگاه اسپد) و هم از نظر صرفهجویی در زمان بسیار مقرون بهصرفه باشد.
سمانه صادق زاده نماور؛ جعفر امیری پریان؛ رضا امیری چایجان
چکیده
پردازش تصاویر دیجیتال به‌عنوان روشی جدید برای ارزیابی کمی و کیفی خصوصیات بافتی پودر مواد غذایی و دارویی از اهمیت بالایی برخوردار است. در این پژوهش از خشک‌کن خلأیی پاششی با ریز ذره‌ساز آلتراسونیک به‌منظور تولید پودر خشک از عصاره برگ کنگر فرنگی فرموله شده با ماده افزودنی لاکتوز استفاده شد. روند خشک‌کردن در یک محفظه خشک‌کن خلأ و ...
بیشتر
پردازش تصاویر دیجیتال به‌عنوان روشی جدید برای ارزیابی کمی و کیفی خصوصیات بافتی پودر مواد غذایی و دارویی از اهمیت بالایی برخوردار است. در این پژوهش از خشک‌کن خلأیی پاششی با ریز ذره‌ساز آلتراسونیک به‌منظور تولید پودر خشک از عصاره برگ کنگر فرنگی فرموله شده با ماده افزودنی لاکتوز استفاده شد. روند خشک‌کردن در یک محفظه خشک‌کن خلأ و در دمایی پایین‌تر از دمای خشک‌کن‌های پاششی معمول انجام شد. هدف از این مطالعه، بررسی اثر شرایط عملی بهینه (3%، kPa20، C°75)، نامطلوب (%2، kPa40، C°55) و دو شرایط (%2، kPa30، C°65) و (%2/5، kPa30، C°65) خشک‌کن خلأیی پاششی روی ویژگی‌های بافتی مستقل از جهت و اثر زاویه در جهت‌های چهارگانه (°0، °45، °90 و °135) روی ویژگی‌های بافتی جهت‌دار پودر عصاره برگ کنگر فرنگی می‌باشد. برای تشخیص بافت، تصاویر میکروسکوپی (SEM) به دو صورت تک ذره و ذرات توده‌ای تهیه شدند. ده ویژگی بافتی تصاویر با استفاده از ماتریس هم وقوعی سطوح خاکستری به‌منظور ارزیابی کیفی بافت پودر عصاره استخراج گردید. نتایج حاصل از تجزیه‌وتحلیل بافت نشان داد که پودرهای حاصل از شرایط خشک‌کردن در دمای بالا (75 درجه سلسیوس) و فشار خلأ پایین (20 کیلو پاسکال) و غلظت محلول (2 گرم بر 100 میلی‌لیتر) دارای تعداد بیشتری از ذرات با بافت صاف و یکنواخت بودند. درنتیجه در این شرایط، پارامترهای انرژی، همبستگی، همگنی و glcmstd بیشترین مقدار و مقادیر کنتراست، آنتروپی، rangefilt و stdfilt کمترین مقدار را دارا بودند. دو ویژگی بافتی جهت‌دار (کنتراست و همبستگی) نیز با توجه به ماهیت بافت ذرات در جهت‌های اندازه‌گیری مختلف اختلاف معنی‌داری را نشان دادند.
سید مهدی حسینی؛ عبدالعباس جعفری
چکیده
استفاده از ماشین‌های هرس هوشمند می‌تواند باعث کاهش نیروی کار موردنیاز برای هرس تاکستان ها گردد. در این مقاله تلاش گردیده است الگوریتمی ارائه شود که با استفاده از روش‌های پردازش تصویر و فن استریوویژن قادر باشد نقاطی از بوته انگور را که در حین هرس باید قطع گردند مشخص کند. پس از تهیه تصویرها به روش استریوویژن، از آن ها به‌عنوان ورودی ...
بیشتر
استفاده از ماشین‌های هرس هوشمند می‌تواند باعث کاهش نیروی کار موردنیاز برای هرس تاکستان ها گردد. در این مقاله تلاش گردیده است الگوریتمی ارائه شود که با استفاده از روش‌های پردازش تصویر و فن استریوویژن قادر باشد نقاطی از بوته انگور را که در حین هرس باید قطع گردند مشخص کند. پس از تهیه تصویرها به روش استریوویژن، از آن ها به‌عنوان ورودی الگوریتم استفاده شد. در اولین مرحله، فاصله بوته ها از دوربین ها محاسبه گردید. سپس شاخه هایی که ضخامت آن‌ها کم بود از تصاویر حذف شدند و تنه اصلی مشخص گردید. در ادامه بر اساس قطر شاخه ها، شاخههای یکساله مشخص و با در نظر گرفتن پارامترهای هرس، این شاخه ها هرس شدند. در مرحله نهایی با برچسبگذاری شاخههای حذفشده در مراحل مختلف نقاط قطع شاخهها مشخص گردید. نتایج ارزیابی الگوریتم نشان داد که در همه تصاویر مورد استفاده شاخه های یکساله بهدرستی توسط الگوریتم مشخصشده بودند و در بین 254 نقطه قطع استخراجشده از 20 تصویر، درمجموع 7 نقطه هرس بهاشتباه تشخیص داده شده بود. این نتایج نشان می‌دهد که دقت الگوریتم نوشته شده برابر با 96/8 درصد است.
پردازش تصویر
فائزه بهزادی پور؛ محمود قاسمی نژاد رایینی؛ محمدامین آسودار؛ افشین مرزبان؛ سامان آبدانان مهدی زاده
چکیده
امروزه، اهمیت کیفیت سمپاشی در سمپاش ها و بهره مندی بیشتر از دستگاه سمپاش و سم مصرفی مهمترین مسئله پیش روی کاربران و سازندگان سمپاش ها است. بنابراین آزمایشی با سمپاش توربینی زراعی (توربولاینر) مدل توربینا اس.ای.800 به صورت آزمایش فاکتوریل با سه فاکتور در قالب طرح کاملاً تصادفی با سه تکرار انجام شد. تیمارهای آزمایشی ...
بیشتر
امروزه، اهمیت کیفیت سمپاشی در سمپاش ها و بهره مندی بیشتر از دستگاه سمپاش و سم مصرفی مهمترین مسئله پیش روی کاربران و سازندگان سمپاش ها است. بنابراین آزمایشی با سمپاش توربینی زراعی (توربولاینر) مدل توربینا اس.ای.800 به صورت آزمایش فاکتوریل با سه فاکتور در قالب طرح کاملاً تصادفی با سه تکرار انجام شد. تیمارهای آزمایشی شامل فشار سمپاشی با سه سطح 1000، 2500 و 3500 کیلوپاسکال، دور پروانه با دو سطح 1998 و2430 دور در دقیقه و سرعت پیشروی با دو سطح 9 و 5/13 کیلومتر بر ساعت بودند. آنالیز تصاویر با نرم افزارهای ImageJ وMATLAB R2015a انجام گردید. نتایج نشان داد که با افزایش فشار، قطر حجمی50 درصد، قطر میانه عددی و شاخص کیفیت پاشش دارای روندی کاهشی بودند و افزایش دور پروانه و سرعت پیشروی موجب کاهش قطر حجمی 50 درصد و قطر میانه عددی شد. در ترکیب تیمارها، افزایش فشار و دور پروانه، باعث کاهش 72، 69 و 46 درصد به‌ترتیب در قطر حجمی 50 درصد، قطر میانه عددی و شاخص کیفیت پاشش شد. با توجه به اهمیت شاخص کیفیت پاشش در این آزمایش، بیشترین میزان این شاخص (91/2) در حالتی رخ داد که دستگاه با فشار 1000 کیلوپاسکال، دور پروانه 2430 دور در دقیقه و سرعت پیشروی 9 کیلومتر بر ساعت تنظیم شده بود.
پردازش تصویر
هابیل آسایی؛ عبدالعباس جعفری؛ محمد لغوی
چکیده
در روش‌های معمول سمپاشی در باغ‌ها، سمپاشی هدف‌دار انجام نمی‌شود. بررسی آمار مصرف سموم شیمیایی در باغ‌ها نشان‌دهنده مصرف بیش از حد مورد نیاز گیاه بوده و از این مقدار سم مصرف‌شده، تنها 30 درصد آن به تاج درخت می رسد و باقی‌مانده آن از دست‌رفته و باعث خسارت می‌شود. سم‌پاش‌های نرخ متغیر با استفاده از سیستم‌های کنترل هوشمند تا ...
بیشتر
در روش‌های معمول سمپاشی در باغ‌ها، سمپاشی هدف‌دار انجام نمی‌شود. بررسی آمار مصرف سموم شیمیایی در باغ‌ها نشان‌دهنده مصرف بیش از حد مورد نیاز گیاه بوده و از این مقدار سم مصرف‌شده، تنها 30 درصد آن به تاج درخت می رسد و باقی‌مانده آن از دست‌رفته و باعث خسارت می‌شود. سم‌پاش‌های نرخ متغیر با استفاده از سیستم‌های کنترل هوشمند تا حد زیادی در کاهش استفاده از آفت‌کش‌ها و کاهش آلودگی محیط‌زیست در باغ‌ها کارایی دارند. در این تحقیق نمونه اولیه سمپاش باغی مبتنی بر فناوری ماشین بینایی ارزیابی شد. سمپاش ساخته‌شده براساس ساختار تاج درخت و میزان سبزینه، عمل سمپاشی را به‌صورت بی‌درنگ انجام می‌دهد و بهره‌وری از سمپاشی در باغ را بهبود می‌بخشد. عملکرد سمپاش در باغ زیتون در دو حالت مختلف سمپاشی به‌صورت سراسر پاشی و سمپاشی منقطع هدف‌دار مبتنی بر سایه‌انداز درخت و فناوری ماشین بینایی مقایسه شد. این عملکرد در سه سرعت پیشروی مختلف (2، 3/5 و 5 کیلومتر بر ساعت) و چهار تکرار با استفاده از طرح کاملاً تصادفی انجام شد. نتایج نشان داد در کاربرد سمپاش طراحی‌شده جدید، برای باغ زیتون، مصرف سم تقریباً 54 درصد کاهش یافت. با توجه به عدم پاشش سم در فضای خالی بین درختان، در باغ‌های جوان، که دارای درختان کوچک‌تر هستند و فاصله بین تاج درختان زیادتر است، میزان کاهش مصرف سم، از این مقدار فراتر خواهد رفت.
زهرا عبداله زارع؛ محمدامین آسودار؛ نواب کاظمی؛ مجید رهنما؛ سامان آبدانان مهدی زاده
چکیده
گسترش کاربرد ردیف‌کارهای نیوماتیک برای بذوری با خصوصیات فیزیکی مختلف، ارزیابی این ماشین‌ها را جهت افزایش کیفیت عملکردشان تحت مکش‌ها و سرعت‌های مختلف ضروری ساخته است. بنابراین در این تحقیق اثرات سرعت پیشروی واقعی در دو سطح (محدوده‌ی ۳ تا ۴ و ۶ تا ۸ کیلومتر در ساعت) و مکش در سه سطح (2/5-، 3/5- و 4/5- کیلوپاسکال) برای دو بذر هندوانه و خیار ...
بیشتر
گسترش کاربرد ردیف‌کارهای نیوماتیک برای بذوری با خصوصیات فیزیکی مختلف، ارزیابی این ماشین‌ها را جهت افزایش کیفیت عملکردشان تحت مکش‌ها و سرعت‌های مختلف ضروری ساخته است. بنابراین در این تحقیق اثرات سرعت پیشروی واقعی در دو سطح (محدوده‌ی ۳ تا ۴ و ۶ تا ۸ کیلومتر در ساعت) و مکش در سه سطح (2/5-، 3/5- و 4/5- کیلوپاسکال) برای دو بذر هندوانه و خیار با هدف تعیین سرعت پیشروی و فشار بهینه بذرکار به کمک ابزار دقیق و تکنولوژی پردازش تصویر مورد مطالعه قرار گرفت. این تحقیق در دو شرایط آزمایشگاهی و مزرعه‌ای با دو نوع بذر هندوانه و خیار در سه تکرار به‌صورت آزمایش فاکتوریل بر پایه طرح کاملاً تصادفی اجرا شد. اثر سرعت پیشروی و مکش با استفاده از شاخص‌های نکاشت، چندگانه، خطا (ضریب تغییرات) و بالاترین شاخص کیفیت تغذیه ارزیابی گردید. نتایج نشان داد که دو عامل سرعت و مکش در ارتباط با هم و غیرمساوی روی یکنواختی فاصله‌ی کشت تأثیر داشتند. مدل‌های رگرسیونی استخراج شده نشان داد که بهترین یکنواختی فاصله‌ی کاشت برای بذر هندوانه در شرایط آزمایشگاهی در سرعت پایین و مکش 3/5- کیلوپاسکال و شاخص خطای 7% به‌دست آمد و در شرایط مزرعه‌ای مناسب‌ترین یکنواختی در مکش 2/5- کیلوپاسکال و سرعت بالاتر با میزان شاخص خطا 9% رخ داد. همچنین با شیوه‌ای مشابه نتایج برای بذر خیار نشان داد که در شرایط آزمایشگاهی با سرعت پایین، مکش 4/5- کیلوپاسکال و میزان شاخص خطا 6/3% و در مزرعه با سرعت پایین، مکش 2/5- کیلوپاسکال و میزان شاخص خطا به اندازه 20% مناسب‌ترین یکنواختی به‌دست آمد.
پردازش تصویر
علیرضا عبداله نژاد باروق؛ محمد عادلی نیا؛ مجید محمدی
چکیده
پسته از نظر شکاف پوست به دو دسته خندان (درباز) و ناخندان (دربسته) و از نظر مغز به دو دسته مغزدار و پوک تقسیم می‌شود. پسته‌های پوک و دربسته غالباً جزء محصول درخت پسته بوده و به دلیل ارزش کمتر نسبت به نوع مغزدار درباز باید دسته‌بندی شوند. هدف این پژوهش ارائه روشی هوشمند برای مرتب‌سازی پسته‌های دربسته، درباز مغزدار و پوک می‌باشد. داده‌های ...
بیشتر
پسته از نظر شکاف پوست به دو دسته خندان (درباز) و ناخندان (دربسته) و از نظر مغز به دو دسته مغزدار و پوک تقسیم می‌شود. پسته‌های پوک و دربسته غالباً جزء محصول درخت پسته بوده و به دلیل ارزش کمتر نسبت به نوع مغزدار درباز باید دسته‌بندی شوند. هدف این پژوهش ارائه روشی هوشمند برای مرتب‌سازی پسته‌های دربسته، درباز مغزدار و پوک می‌باشد. داده‌های مورد نیاز برای دسته‌بندی با استفاده از تصاویر تهیه شده از نمونه‌های دربسته، مغزدار و پوک پسته با شرایط یکسان، تأمین شده است. به این ترتیب که ابتدا برای استخراج تصویر پسته از پس زمینه آن، تصاویر تهیه شده به کمک تکنیک‌های پردازش تصویر، قطعه‌بندی شده و پس از انجام فیلترهایی بر روی تصاویر حاصل، برای تعیین با ارزش‌ترین ویژگی‌ها جهت دسته‌بندی، از الگوریتم یادگیری ماشین C4.5 و درخت تصمیم استفاده شد. ویژگی‌های ممان و اسکلت به‌عنوان با ارزش‌ترین ویژگی‌ها انتخاب شده و بر این اساس قوانین به‌دست آمده از درخت تصمیم به یک سیستم نرو-فازی تطبیق‌پذیر تغذیه شدند. این قوانین به‌صورت اگر-آنگاه بودند که با پیمایش بالا به پایین حریص از ریشه تا برگ توسط الگوریتم C4.5 استخراج شده بودند. شبکه نروفازی ابتدا با استفاده از داده‌های استخراج شده مربوط به 200 نمونه شامل انواع دربسته، پوک و مغزدار و با دقت 95/8% آموزش داده شد. همچنین از 100 نمونه برای آزمایش سیستم با دقت97% استفاده شد.
ایوب جعفری ملک آبادی؛ مهدی خجسته پور؛ باقر عمادی؛ محمود رضا گلزاریان
چکیده
در این مطالعه نسبت پوآسون ظاهری و مدول الاستیسیته دو رقم پیاز ایرانی (قرمز و زرد) در دو سرعت بارگذاری (15 و 25 میلی‌متر بر دقیقه) و دو جهت (طولی و عرضی) برای سه میزان جابه‌جایی (5، 10 و 15 میلی‌متر) تعیین شد. در هر نوبت آزمایشات بارگذاری توأم با عکس‌برداری انجام گرفت. نسبت پوآسون ظاهری نیز از طریق پردازش تصویر محاسبه شد. با استفاده از تئوری ...
بیشتر
در این مطالعه نسبت پوآسون ظاهری و مدول الاستیسیته دو رقم پیاز ایرانی (قرمز و زرد) در دو سرعت بارگذاری (15 و 25 میلی‌متر بر دقیقه) و دو جهت (طولی و عرضی) برای سه میزان جابه‌جایی (5، 10 و 15 میلی‌متر) تعیین شد. در هر نوبت آزمایشات بارگذاری توأم با عکس‌برداری انجام گرفت. نسبت پوآسون ظاهری نیز از طریق پردازش تصویر محاسبه شد. با استفاده از تئوری هرتز و نسبت پوآسون ظاهری محاسبه شده و نیز با در نظر گرفتن شکل پیاز، مدول الاستیسیته محاسبه گردید. مطابق جداول تجزیه واریانس برای نسبت پوآسون ظاهری و مدول الاستیسیته سرعت بارگذاری و میزان جابه‌جایی در سطح 5% معنی‌دار بود. به‌طور میانگین نسبت پوآسون ظاهری و مدول الاستیسیته پیاز قرمز کمتر از پیاز زرد به‌دست آمد. نسبت پوآسون ظاهری 0/4485 – 0/2623 و 0/4179 – 0/2423 و مدول الاستیسیته 5/449 – 2/032 و 5/311 – 1/829 مگاپاسکال به‌ترتیب برای پیاز زرد و قرمز بود. مدول الاستیسیته در حالت طولی بیشتر از مقادیر به‌دست آمده برای حالت عرضی بود. با افزایش میزان جابه‌جایی، مقدار مدول الاستیسیته کاهش و مقدار نسبت پوآسون ظاهری نیز افزایش یافت. مدول الاستیسیته برای وضعیت طولی در سرعت بارگذاری 15 میلی‌متر بر دقیقه بیشتر از سرعت بارگذاری 25 میلی‌متر بر دقیقه و این نسبت برای وضعیت عرضی بالعکس می‌باشد.
ایمان گلپور؛ جعفر امیری پریان؛ رضا امیری چایجان؛ جواد خزائی
چکیده
شناسایی ارقام برنج در کشاورزی مدرن از اهمیت بالایی برخوردار است. ویژگی های بافتی از میان عوامل مختلف می تواند برای شناسایی ارقام برنج استفاده شود. پردازش تصاویر دیجیتال به‌عنوان روشی جدید می‌تواند برای استخراج ویژگی‌های بافت به‌کار برده شود. هدف از این پژوهش شناسایی ارقام برنج با استفاده از ویژگی های بافت تصویر به‌کمک پردازش تصویر ...
بیشتر
شناسایی ارقام برنج در کشاورزی مدرن از اهمیت بالایی برخوردار است. ویژگی های بافتی از میان عوامل مختلف می تواند برای شناسایی ارقام برنج استفاده شود. پردازش تصاویر دیجیتال به‌عنوان روشی جدید می‌تواند برای استخراج ویژگی‌های بافت به‌کار برده شود. هدف از این پژوهش شناسایی ارقام برنج با استفاده از ویژگی های بافت تصویر به‌کمک پردازش تصویر و شبکه های عصبی مصنوعی پس انتشار می باشد. برای تشخیص ارقام برنج، پنج رقم برنج ایرانی به نام‌های فجر، شیرودی، ندا، طارم محلی و خزر تهیه شدند. 108 ویژگی بافتی از تصاویر برنج با استفاده از ماتریس هم وقوعی تصویر سطوح خاکستری استخراج گردید. سپس شناسایی ارقام با استفاده از شبکه عصبی مصنوعی پس انتشار صورت پذیرفت. پس از ارزیابی شبکه های یک لایه با استفاده از ویژگی های بافتی، بیشترین دقت طبقه بندی برای ارقام شلتوک، برنج قهوه‌ای و سفید به‌ترتیب: 2/92%، 8/97% و 9/98% به‌دست آمد. پس از اینکه شبکه با دولایه پنهان مورد ارزیابی قرار گرفت، بهترین میانگین دقت طبقه بندی برای تشخیص ارقام شلتوک 67/96%، برای برنج قهوه ای 78/97% و برای برنج سفید 88/98% حاصل شد. بیشترین دقت طبقه بندی پس از انتخاب ویژگی برای شلتوک با 45 ویژگی 9/98%، برای ارقام برنج قهوه ای با 11 ویژگی انتخاب شده 3/93% و برای ارقام برنج سفید 7/96% با 18 ویژگی انتخاب شده به‌دست آمد.
علی مقیمی؛ محمدحسین آق خانی؛ محمود رضا گلزاریان
چکیده
در سالهای اخیر، اتوماسیون در بخش کشاورزی به‌خصوص کشت گلخانه‌ای بیش از پیش مورد توجه محققین و همچنین استقبال تولیدکنندگان قرار گرفته است. دلیل اصلی این مسئله کاهش هزینه‌های تولید به‌ویژه هزینه نیروی انسانی و شرایط سخت کاری در فضای گلخانه می‌باشد. در این پژوهش سامانه بینایی یک روبات برای برداشت فلفل دلمه ارائه می‌شود که قادر به ...
بیشتر
در سالهای اخیر، اتوماسیون در بخش کشاورزی به‌خصوص کشت گلخانه‌ای بیش از پیش مورد توجه محققین و همچنین استقبال تولیدکنندگان قرار گرفته است. دلیل اصلی این مسئله کاهش هزینه‌های تولید به‌ویژه هزینه نیروی انسانی و شرایط سخت کاری در فضای گلخانه می‌باشد. در این پژوهش سامانه بینایی یک روبات برای برداشت فلفل دلمه ارائه می‌شود که قادر به تشخیص فلفل دلمه‌ای سبز رنگ روی بوته در شرایط نور طبیعی می‌باشد. چالش بزرگ پیش روی این تحقیق و برخی محصولات دیگر، مشابهت رنگ محصول با برگ‌ها به‌خصوص در شرایط نور طبیعی بود. برای غلبه بر این چالش، یک شاخص جدید بافتی بر پایه تخمین چگالی لبه تعریف و در ترکیب با شاخص‌های رنگی شامل رنگمایه، شدت اشباع رنگی و سبزینگی تشدید شده (EGI) برای شناسایی میوه‌های مورد نظر استفاده شد. برای ارزیابی سامانه نرم افزاری روبات، از بوته‌های مختلف 50 تصویر تهیه و از مجموع 107 فلفل دلمه موجود در فضای کاری بازوی روبات سامانه قادر به تشخیص 92 عدد از آن‌ها (دقت تشخیص 86% ) بود. با استفاده از پارامتر تعریف شده بافتی، خطای سامانه در شناسایی پس زمینه مخصوصاً برگ‌ها به‌عنوان فلفل دلمه‌های سبز به‌میزان 98/92 درصد کمتر از آنالیز صرفاً رنگی شد، که نشان از مؤثر بودن شیوه تعریف شده جدید در این پژوهش دارد. از مهمترین عوامل بروز خطا، علاوه بر تشابه رنگی میان فلفل دلمه و برگ، می‌توان به سطح براق و ناصاف فلفل دلمه اشاره نمود که به‌ترتیب باعث بازتابش زیاد و ناهمگنی روشنایی روی سطح فلفل دلمه می‌شود.
پردازش تصویر
حمید رضا احمدی؛ جعفر امیری پریان
چکیده
طی چندین سال اخیر تمایل تازه ای به‌سمت برداشت رباتیک پرتقال و برخی مرکبات ایجاد شده است. اولین گام در برداشت رباتیک شناسایی دقیق و تعیین موقعیت میوه می باشد. شناسایی از طریق پردازش تصویر توسط دوربین‌های رنگی و کامپیوتر رایج‌ترین روش در حال حاضر می باشد. بدیهی است ربات برداشت با شرایط طبیعی مواجه است و شناسایی باید در شرایط مختلف نور ...
بیشتر
طی چندین سال اخیر تمایل تازه ای به‌سمت برداشت رباتیک پرتقال و برخی مرکبات ایجاد شده است. اولین گام در برداشت رباتیک شناسایی دقیق و تعیین موقعیت میوه می باشد. شناسایی از طریق پردازش تصویر توسط دوربین‌های رنگی و کامپیوتر رایج‌ترین روش در حال حاضر می باشد. بدیهی است ربات برداشت با شرایط طبیعی مواجه است و شناسایی باید در شرایط مختلف نور و محیط انجام شود. در این تحقیق سعی شده است الگوریتم مناسبی به‌منظور تشخیص پرتقال روی سایبان درخت ارائه شود. به‌منظور ارزیابی الگوریتم ارائه شده تعداد 500 تصویر که در شرایط کاملاً متفاوت سایبان، زاویه نور خورشید و فاصله تا درخت، گرفته شده بودند، مورد بررسی قرار گرفت. این الگوریتم شامل مراحل: بهینه سازی، قطعه بندی، فیلتر اندازه، تفکیک میوه‌ها بر مبنای الگوی تراکم سایه و روشنایی و تعیین مختصات می‌باشد. در این تحقیق برای قطعه بندی از شبکه عصبی MLP (با سه لایه مخفی) استفاده شد که موفقیت به‌کارگیری آن با توجه به نرخ کشف صحیح پرتقال ها با دقت 2/88% مورد تایید قرار گرفت. با توجه به درصد بالای پرتقال‌های خوشه ای نسبت به کل پرتقال ها در تصاویر، هر الگوریتمی که بخواهد در زمینه شناسایی پرتقال بر روی درخت موفق عمل کند باید راه حلی برای تفکیک پرتقال ها از هم ارائه دهد که در پژوهش حاضر روشی جدید بر مبنای الگوی تراکم سایه روشن، به‌کار گرفته شد و کارایی آن مورد ارزیابی قرار گرفت. در نهایت دقت تفکیک 5/89 درصد و دقت شناسایی 2/88 درصد به‌دست آمد.
پردازش تصویر
سینا لطیف التجار؛ عبدالعباس جعفری؛ سیدمهدی نصیری؛ حمید شریفی
چکیده
تخمین عملکرد محصولات زراعی یکی از پارامترهای مهم برای مدیریت اطلاعات و منابع درکشاورزی دقیق است. این اطلاعات برای بهینه سازی نهاده های مورد نیاز در کشت های بعدی مورد استفاده قرار می گیرد. در پژوهش حاضر امکان تخمین عملکرد محصول چغندرقند با استفاده از پردازش تصویر بررسی گردید. برای انجام آزمایش ها از ردیف های کشت در طی فصل رشد و با فواصل ...
بیشتر
تخمین عملکرد محصولات زراعی یکی از پارامترهای مهم برای مدیریت اطلاعات و منابع درکشاورزی دقیق است. این اطلاعات برای بهینه سازی نهاده های مورد نیاز در کشت های بعدی مورد استفاده قرار می گیرد. در پژوهش حاضر امکان تخمین عملکرد محصول چغندرقند با استفاده از پردازش تصویر بررسی گردید. برای انجام آزمایش ها از ردیف های کشت در طی فصل رشد و با فواصل یک ماه عکس های نواری تهیه شد. تصویر افقی پوشش سبز بوته‌ها در انتهای هر ماه تعیین گردید. در پایان فصل رشد و پس از استخراج غده‌ها از زمین، ضریب همبستگی بین سطح پوشش سبز محصول چغندرقند در هر ماه با وزن غده برداشت شده نهایی بررسی شد. نتایج حاصله نشان داد سطح قابل رویت پوشش سبز گیاه می تواند بیانگر عملکرد محصول چغندر قند در کشت پاییزه باشد. بالاترین ضریب تبیین رابطه عملکرد محصول با سطح پوشش سبز گیاه، سه ماه قبل از زمان برداشت و برابر با 0/85 بدست آمد. به منظور بررسی میزان صحت معادله حاصله در سال زراعی بعد با شرایط یکسان زمین کشت و بطور مشابه داده برداری صورت پذیرفت. نتایج حاصله نشان داد که میان وزن غده های واقعی و وزن غده های محاسبه شده از مدل سال گذشته رابطه قوی با ضریب تبیین 0/94 وجود دارد. این رابطه توانست مقدار عملکرد را با خطای نسبی حدود 9 درصد تخمین بزند. این موضوع پتانسیل استفاده از روش عکس برداری نواری را برای پیشگویی عملکرد محصول چغندرقند قبل از زمان برداشت نشان می دهد.
پردازش تصویر
مرتضی جعفرلو؛ رحمان فرخی تیمورلو
چکیده
خواص فیزیکی محصولات کشاورزی از مهمترین پارامترهای طراحی سیستم های بسته بندی و درجه بندی هستند و حجم محصولات کشاورزی، یکی از این خواص می باشد که بایستی به طور دقیق اندازه گیری شود. پردازش تصویر و شبکه ی عصبی از ابزار های پرکاربرد و غیر مخربی هستند که اخیراً به این منظور استفاده می شوند. در این مطالعه ابتدا با استفاده از دوربین به فاصله ...
بیشتر
خواص فیزیکی محصولات کشاورزی از مهمترین پارامترهای طراحی سیستم های بسته بندی و درجه بندی هستند و حجم محصولات کشاورزی، یکی از این خواص می باشد که بایستی به طور دقیق اندازه گیری شود. پردازش تصویر و شبکه ی عصبی از ابزار های پرکاربرد و غیر مخربی هستند که اخیراً به این منظور استفاده می شوند. در این مطالعه ابتدا با استفاده از دوربین به فاصله ی ثابت از نمونه ها عکس برداری گردیده و تصاویر رنگی با نرم افزار Matlab پردازش شده و لبه ی سیب ها استخراج گردید. سپس سطح به دست آمده در راستای عمود بر محور طولی سیب، به المان های نازک ذوزنقه ای تقسیم بندی گردیده و حجم حاصل از دوران این المان ها بر حسب پیکسل محاسبه شد. سپس سیب ها از وسط برش داده شده و عکس برداری شدند تا حجم تورفتگی های سیب به دست آمده و از حجم کل سیب کاسته شود. حجم واقعی سیب نیز با استفاده از روش جابه جایی آب، بر حسب سانتی متر مکعب اندازه گیری شد و رابطه ایی بین حجم واقعی و حجم پیکسلی سیب ارائه گردید که می تواند در تخمین حجم سیب استفاده شود. آزمون t و بلاند-آلتمن نشان داد که بین حجم واقعی سیب و حجم پردازش تصویر در سطح احتمال 5% اختلاف معنی داری نیست و اختلاف میانگین بین آن‌ها 52/1 سانتی متر مکعب بوده و دارای دقت 92 /0 می باشد. استفاده از شبکه عصبی با پارامترهای ورودی ابعاد و جرم سیب دقت اندازه گیری حجم سیب را تا 97 /0 بالا برده و اختلاف میانگین بین حجم ها را تا 7/0 کاهش داد. این تحقیق نشان می دهد که پردازش تصویر و شبکه ی عصبی می توانند به عنوان روش های ساده و کارآمد در تخمین حجم محصولات کشاورزی استفاده گردند.
پردازش تصویر
محمدرضا لاریجانی؛ رحمان فرخی تیمورلو
چکیده
تأمین دقیق و به موقع ازت گیاهان در کوددهی مزارع مستلزم بکارگیری روش های جدید و کم هزینه در کشاورزی دقیق است. به منظور تعیین ازت مورد نیاز گیاه برنج در زمان خوشه دهی آن، آزمایشی با استفاده از سه روش پردازش تصویر، کژلدال و دستگاه کلروفیل متر، در قالب طرح بلوک-های کامل تصادفی با سه تکرار و چهار تیمار در سال 1389 در مرکز تحقیقات برنج تنکابن ...
بیشتر
تأمین دقیق و به موقع ازت گیاهان در کوددهی مزارع مستلزم بکارگیری روش های جدید و کم هزینه در کشاورزی دقیق است. به منظور تعیین ازت مورد نیاز گیاه برنج در زمان خوشه دهی آن، آزمایشی با استفاده از سه روش پردازش تصویر، کژلدال و دستگاه کلروفیل متر، در قالب طرح بلوک-های کامل تصادفی با سه تکرار و چهار تیمار در سال 1389 در مرکز تحقیقات برنج تنکابن اجرا شد. تیمارهای آزمایشی سطوح مختلف کوددهی (اوره %46 ازت) بودند. در زمان خوشه دهی گیاه برنج با استفاده از یک دوربین دیجیتال از بوته های برنج بصورت عمودی عکس‌برداری و توسط روش پردازش تصاویر آنالیز شدند. همزمان توسط دستگاه کلروفیل متر SPAD-502 شاخص کلروفیل برگ گیاه اندازه گیری شد و همچنین با استفاده از روش آزمایشگاهی کژلدال درصد ازت برگ گیاه نیز تعیین گردید. نتایج حاصل از این تحقیق نشان دادند که میان هر سه روش تعیین ازت گیاه همبستگی بالایی وجود دارد. همچنین میزان همبستگی میان هر سه روش تعیین ازت گیاه و عملکرد محصول تقریباً یکسان می باشد. در مجموع به نظر می رسد که روش پردازش تصویر می تواند پتانسیل بالایی در مدیریت ازت مزارع داشته باشد، از طرفی دیگر این روش نسبت به دو روش دیگر کم هزینه تر، سریع تر و همچنین غیرمخرب می باشد.
