شناسایی ارقام مختلف گندم با استفاده از کلاسبندهای SVM و KNN بر پایه پردازش تصاویر دانه های جدا از هم

انتخاب رقم مناسب گندم برای کاشت از عوامل مهمی است که می تواند در عملکرد تولید گندم موثر باشد.امروزه تشخیص ارقام گندم بر اساس رنک و شکل توسط افراد متخصص در این حوزه انجام می شود که کاریمشکل، زمانبر و توام با خطا است و بعضا کشاورزان تنها از روی اعتماد به نظر متخصصان نوع رقم را می پذیرند.هدف از این مطالعه استفاده از بینایی ماشین بر ای رسیدن به حدا کثر دقت در تشخیص ارقام گندم است. در اینمطالعه در مجموع ۸۰۰ تصویر رنگی (۱۰۰ نمونه از هر رقم ) در شرایط نوری ابت بدست آمد. در استخراجویژگی ها از ویژگی های مهم رنگی, بافتی و شکلی استفاده است و در کل ‎۹۳ ویژگی با استفاده از فضاهای رنگیمختلف LAB , HSV , RGB تهیه گردید. برای طبقه بندی از کلاسبندهای مشهور SVM و KNNاستفاده شد. نتایج تحقیق نشان داد که کلاسبند ‎SVM با میانگین دقت دسته بندی ۹۷/۹۱ % قابلیت خوبی درتشخیص انواع ارقام موجود گندم داشته و عملکرد بهتری نست به کلاسبند KNN دارد.