نویسندگان: مریم حاتمی ، علاالدین رحمانی دیدار ، جواد خزائی
خلاصه مقاله:
تشخیص ارقام مختلف برنج از نظر علمی و تجاری از اهمیت بالایی برخوردار است. یکی از روشهای کاربردی ، غیر مخرب و دقیق تشخیص ارقام محصولات کشاورزی تکنولوژی ماشین بینایی است. تکنولوژی ماشین بینایی ازتفاوت دانه های ارقام مختلف از نظر شکل، اندازه و رنگ برای تشخیص ارقام مختلف محصول بهره می گیرد . در این پژوهش برای تشخیص ارقام مختلف دانه های برنج از روش پردازش تصویر و شبکه های عصبی مصنوعیاستفاده شد. با تهیه تصاویر استاندارد از دانه های ارقام مخ تلف و انجام عملیات پردازش بر روی تصاویر، 20 مشخصه مورفولوژیکی از دانه های برنج استخراج شد. در ادامه قابلیت روش های طبقه بندی آنالیز تشخیص خطیLinear Discriminant Analysis)وشبکه های عصبی مصنوعی برای (Artifical Neural Network) تشخیص ارقام مختلف برنج بر اساس مشخصات مورفولوژیکی دانه مقایسه شد. نتایج نشان داد کهLDA با دقتمتوسط88/4% , ANN با دقت 81/3% قادر به تشخیص ارقام مختلف برنج بودند.
کلمات کلیدی: پردازش تصویر، شبکه عصبی، آنالیز تشخیص خطی، رقم برنج، ویژگیهای مورفولوژیکی.
خلاصه مقاله:
تشخیص ارقام مختلف برنج از نظر علمی و تجاری از اهمیت بالایی برخوردار است. یکی از روشهای کاربردی ، غیر مخرب و دقیق تشخیص ارقام محصولات کشاورزی تکنولوژی ماشین بینایی است. تکنولوژی ماشین بینایی ازتفاوت دانه های ارقام مختلف از نظر شکل، اندازه و رنگ برای تشخیص ارقام مختلف محصول بهره می گیرد . در این پژوهش برای تشخیص ارقام مختلف دانه های برنج از روش پردازش تصویر و شبکه های عصبی مصنوعیاستفاده شد. با تهیه تصاویر استاندارد از دانه های ارقام مخ تلف و انجام عملیات پردازش بر روی تصاویر، 20 مشخصه مورفولوژیکی از دانه های برنج استخراج شد. در ادامه قابلیت روش های طبقه بندی آنالیز تشخیص خطیLinear Discriminant Analysis)وشبکه های عصبی مصنوعی برای (Artifical Neural Network) تشخیص ارقام مختلف برنج بر اساس مشخصات مورفولوژیکی دانه مقایسه شد. نتایج نشان داد کهLDA با دقتمتوسط88/4% , ANN با دقت 81/3% قادر به تشخیص ارقام مختلف برنج بودند.
کلمات کلیدی: پردازش تصویر، شبکه عصبی، آنالیز تشخیص خطی، رقم برنج، ویژگیهای مورفولوژیکی.
شناسایی ارقام رایج برنج ایرانی با استفاده از تکنیک های ماشین بینایی