بیو انرژی
سینا شریفی؛ عباس عساکره؛ مصطفی کیانی ده کیانی؛ سمیه جنت رستمی
چکیده
برنج، بهعنوان یکی از قدیمیترین محصولات کشاورزی، نقشی اساسی در تأمین تغذیه و معیشت مردم دارد و با توجه به سطح زیرکشت، تولید و مصرف، از جایگاه مهمی برخوردار است. در این راستا، این پژوهش با استفاده از مطالعات اسنادی، مصاحبههای میدانی و تحلیلهای مبتنی بر مدل برنامهنویسی ژنتیک چندژنی، به بررسی، مقایسه شاخصهای انرژی و مدلسازی ...
بیشتر
برنج، بهعنوان یکی از قدیمیترین محصولات کشاورزی، نقشی اساسی در تأمین تغذیه و معیشت مردم دارد و با توجه به سطح زیرکشت، تولید و مصرف، از جایگاه مهمی برخوردار است. در این راستا، این پژوهش با استفاده از مطالعات اسنادی، مصاحبههای میدانی و تحلیلهای مبتنی بر مدل برنامهنویسی ژنتیک چندژنی، به بررسی، مقایسه شاخصهای انرژی و مدلسازی عملکرد ارقام محلی هاشمی و علیکاظمی و پرمحصول فجر و شیرودی پرداخته است و دادههای آن از 385 مالک و کشاورز این دو نوع رقم در شهرستان رشت جمعآوری شده است. در مقایسه با ارقام محلی، ارقام پرمحصول از نظر شاخصهای نسبت انرژی، بهرهوری انرژی و انرژی ویژه بهترتیب 76.47، 76.92، 77.70 درصد و افزوده خالص انرژی بیش از 15 برابر بهبود داشت. در مدل برنامهنویسی ژنتیک چندژنی، اعتبارسنجی متقاطع نشان داد مدل با 65 درصد دادهها نتایجی مشابه استفاده از 80 درصد دادهها ارائه میدهد. با افزایش عمق درخت از 4 به 12، بیشترین ضریب تبیین برای عمق درخت 4 در رقم محلی 0.95 و در رقم پرمحصول 0.94 بود. همچنین، در تحلیل حساسیت اثر نهادههای مواد آلی (کمپوست، بذر، کاه و کلش برنج) و سوخت و برق بهعنوان عامل اصلی در برآورد عملکرد شلتوک در دو رقم شناسایی شدند. نهادههای مواد آلی با بهبود حاصلخیزی خاک، و سوخت و برق با تأثیرگذاری بر عملکرد ماشینهای کشاورزی و کارایی عملیات زراعی، نقش کلیدی در عملکرد پایدار مزارع شلتوک دارند. یافتههای این تحقیق میتواند به تولیدکنندگان کمک کند تا با مدیریت مناسب منابع مصرفی، کیفیت و کمیت محصول خود را بهبود بخشند.
پردازش تصویر
سیدحسین پیمان؛ عادل بخشی پور زیارتگاهی؛ عبدالعباس جعفری
چکیده
در مباحث نوین کشاورزی، بررسی روشهای سریع، خودکار، ارزان و دقیق برای تشخیص بیماریهای گیاه از اهمیت زیادی برخوردار است. تشخیص به موقع و دقیق بیماری در مزارع، از مهمترین فاکتورهای مقابله با بیماریهای گیاهی میباشد. در این تحقیق توانایی تکنیک پردازش تصویر در تشخیص دو بیماری مهم برنج (لکه قهوهای و بلاست برگ برنج) مورد بررسی قرار ...
بیشتر
در مباحث نوین کشاورزی، بررسی روشهای سریع، خودکار، ارزان و دقیق برای تشخیص بیماریهای گیاه از اهمیت زیادی برخوردار است. تشخیص به موقع و دقیق بیماری در مزارع، از مهمترین فاکتورهای مقابله با بیماریهای گیاهی میباشد. در این تحقیق توانایی تکنیک پردازش تصویر در تشخیص دو بیماری مهم برنج (لکه قهوهای و بلاست برگ برنج) مورد بررسی قرار گرفت. تصاویر دیجیتال از برگهای گیاه برنج آلوده تهیه شدند. تصاویر در جعبه ابزار پردازش تصویر نرم افزار متلب پردازش شدند. از پردازش رنگی بهمنظور جداسازی لکههای ظاهری قسمتهای آلوده از سطح برگ استفاده شد. نتایج نشان داد که الگوریتم ارائه شده توانست نقاط آلوده را در نمونه تصاویر مورد آزمایش با دقت 94/4% تشخیص دهد. تمایز بین دو نوع بیماری به دلیل شباهتهای رنگی علائم بیماریها تقریباً غیر ممکن بود. بنابراین به منظور بهبود تشخیص، خصوصیات شکلی از تصاویر سیاه و سفید برگها آلوده استخراج شدند. ویژگیهای بدون بعد مانند گردی، نسبت ظاهری، فشردگی و نسبت سطح قسمتهای آلوده مربوط به بیماری لکه قهوهای و بلاست برگ برنج استخراج شده و مورد بررسی قرار گرفتند. دقتی معادل با 96/6% برای الگوریتم بهدست آمد که نشاندهنده توانایی در تشخیص دو بیماری لکه قهوهای و بلاست برگ برنج بود.
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.
