CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

شناسایی آفت های کشاورزی با پردازش تصاویر رنگی و با استفاده از یک روش نوین مبتنی بر الگوریتم ژنتیک و مدل های فازی

عنوان مقاله: شناسایی آفت های کشاورزی با پردازش تصاویر رنگی و با استفاده از یک روش نوین مبتنی بر الگوریتم ژنتیک و مدل های فازی
شناسه ملی مقاله: COMCONF03_106
منتشر شده در سومین کنفرانس سراسری نوآوری های اخیر در مهندسی برق و کامپیوتر در سال 1395
مشخصات نویسندگان مقاله:

مهدی بختیاری آزاد - دانشجویی کارشناسی ارشد دانشگاه آزاد اسلامی واحد شهرقدس
مهدی مزینانی - استاد راهنما
راحیل حسینی - استاد مشاوره

خلاصه مقاله:
در دنیای امروز کاربردهای پردازش تصویر هر روزه در حال افزایش است. در زمینه های پزشکی، رباتیک، هواشناسی و کشاورزی، تحقیقات و پژوهش های بسیاری در این زمینه انجام شده است و از کاربردهای آن در این زمینه ها استفاده های بسیاری می شود. تمرکز اصلی در این پایان نامه روی کاربردهای پردازش تصویر در کشاورزی، در زمینه ی شناسایی برگ و سپس تشخیص آفات و بیماری های برگ گیاهان است، کاربردی که نسبت به دیگر کاربردهای پردازش تصویر کمتر به آن توجه شده است. کشف و شناسایی به موقع آفت در محصولات کشاورزی، مبارزه با آفت ها و استفاده از آفت کش ها را کاهش می دهد . تکنیک های مختلف وجود دارند که برای کشف و شناسایی آفت ها استفاده می گردد و پردازش تصویر یک مورد از مهم ترین آنها می باشد . پردازش تصویر شامل گرفتن تصویر استاتیک یا دینامیک و اعمال تکنیک های پیش پردازش مختلف برای تصویر می باشد تا شی در تصویر یا حرکت در مورد تحلیل ویدیویی برجسته شده و آشکار گردد. درصورتی که تصاویر حاصل از ویدیو باشند ،به صورت دیجیتالی خواهند بود.در این پایان نامه جهت شناسایی و تشخیص گیاهان بیمار از تصاویر گیاهان سالم ، روشی مبتنی بر الگوریتم بهینه سازی ژنتیک و الگوریتم خوشه بندی فازی ، ارایه گردیده است که با دریافت تصاویر رنگی و حرارتی برگ گیاهان و انجام پردازش اولیه ، پیش پردازش هایی از جمله :متجانس سازی ، حذف نویز و ... از الگوریتم بهینه سازی ژنتیک و خوشه بندی فازی ، برای شناسایی محل دقیق آفت گیاهان استفاده می نماید. مزیت استفاده از روش پیشنهادی نسبت به روش های قبلی انعطاف پذیری بالا در تخمین،سرعت همگرایی بالا ، کاهش خطا ، کاهش پیچیدگی محاسبات و دقت روش پیشنهادی 92% می باشد. تصاویر از ایستگاه پایه apsnet.org که مرکز پایه معتبر از لحاظ علم گیاه پزشکی است استفاده شده و تعداد این تصاویر برابر با 100 عدد می باشد که دچار بیماری سفیدک پودری شده اند.مدت زمان ضبط این تصاویر برابر با دو هفته می باشد.

کلمات کلیدی:
شناسایی گیاه بیمار، پیش پردازش ،الگوریتم بهینه سازی ژنتیک ،الگوریتم FCM

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/576549/