برآورد درصد پوشش گیاهی ذرت با استفاده از الگوریتمهای پردازش تصویر

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 32

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWIM-14-1_007

تاریخ نمایه سازی: 20 فروردین 1403

چکیده مقاله:

پیشرفت علم و استفاده از فناوریهای سنجش از دور، امکان پایش سلامت، بررسی وضعیت گیاه، تعیین سطح و نوع کشت، محاسبه سرعت رشد و شاخصهای گیاهی و سایر اطلاعات ارزشمند از مزرعه و باغ را  برای کشاورز فراهم آورده است. درصد پوشش گیاهی یکی از پارامترهای مهم در مدلهای گیاهی برای تخمین عملکرد گیاه و وضعیت رشد آن محسوب میشود. روشهای تعیین درصد پوشش گیاهی براساس دادههای مشاهداتی زمینی، گران و زمانبر هستند. استفاده از پهپاد برای تصویربرداری هوایی و به کارگیری روشهای مبتنی بر پردازش تصویر، میتواند پارامترهای موردنظر را در کل سطح مزرعه و با سرعت و دقت بالا به دست آورد. در این پژوهش برای تعیین درصد پوشش گیاهی ذرت، تعداد ۴۴۱ تصویر هوایی در ارتفاع ۳۰ متری از سطح زمین با استفاده از پهپاد شرکت DJI، مدل Mavic ۲ pro در یکی از مزارع ذرت شهرستان الوند در استان قزوین، برداشت شد. از دو روش جداسازی و طبقهبندی به طور جدا برای تعیین مقدار درصد پوشش گیاهی استفاده شد. آزمون تفکیکپذیری و ضریب همبستگی بین دادههای محاسباتی، تعیین و موردبررسی قرار گرفت. نتایج نشان داد اگرچه دقت هر دو روش بالا بود، اما به طور میانگین روش جداسازی مقدار درصد پوشش گیاهی را ۱۰ درصد کم تر از الگوریتم طبقهبندی به دست آورد. هم چنین ضریب همبستگی بالای ۹۷ درصد بین دادهها نشان داد دقت روشهای بر مبنای پردازش تصویر مانند جداسازی پایینتر از روشهای طبقهبندی است اما در صورت عدم دسترسی به نرمافزارهای موردنیاز که امکان تجزیه و تحلیل بر مبنای روشهای هوش مصنوعی را دارند، میتوان به راحتی با اجرای کدهای برنامهنویسی مبتنی بر روشهای جداسازی در زبانهای سطح بالا و متن باز از جمله زبان پایتون به نتیجه مطلوبی رسید.

نویسندگان

مسعود سلطانی

گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین المللی امام خمینی(ره)، قزوین، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • Ghosal, S., Blystone, D., Singh, A. K., Ganapathysubramanian, B., Singh, ...
  • Noda, K., Ezaki, N., Takizawa, H., Mizuno, S., & Yamamoto, ...
  • Poonguzhali, R., & Vijayabhanu, A. (۲۰۱۹). Crop condition assessment using ...
  • Saxena, L., & Armstrong, L. (۲۰۱۴). A Survey of Image ...
  • Kazmi, W., Garcia-Ruiz, F. J., Nielsen, J., Rasmussen, J., & ...
  • Bruzzone, L., & Demir, B. (۲۰۱۴). A review of modern ...
  • Shao, Y., & Lunetta, R. S. (۲۰۱۲). Comparison of support ...
  • Pal, M., & Mather, P. (۲۰۰۶). Some issues in the ...
  • Sankarasrinivasan, S., Balasubramanian, E., Karthik, K., Chandrasekar, U., & Gupta, ...
  • Health monitoringof civil structures with integrated UAV and image processing ...
  • نمایش کامل مراجع