شناسایی ارقام مختلف گندم با استفاده از کلاسبندهای SVM و KNN بر پایه پردازش تصاویر دانه های جدا از هم
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 238
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCAMEM14_176
تاریخ نمایه سازی: 21 مهر 1401
چکیده مقاله:
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.
کلیدواژه ها:
نویسندگان
حسین باقرپور
استادیار گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان
سیاوش شامحمدی
دانشجوی کارشناسی، گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان