کاربرد پردازش تصویر برای تشخیصپرندگان تغذیه کننده از شکار در تالاب های پرورش آبزی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 856

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ELECOM01_146

تاریخ نمایه سازی: 9 تیر 1393

چکیده مقاله:

شکار آبزیان یکی از نگرانی های عمده برای پرورش دهندگان آبزیان در حوضچه های باز است . یک روش جدید برای متفرق کردن پرندگان شکاری از تالاب ها استفاده از وسایل نقلیه خود مختار یا قایق هاست ، که می توان کارایی آنها را با استفاده از نرم افزار پردازش تصویر بهبود بخشید . در این مقاله تعدادی از تکنیک های پردازش تصویر برای تشخیص پرندگان شکاری تالاب ها مورد آزمایش قرار گرفته شده و یک سری عملیات مورفولوژی 2 و 3 دسته بندی نمود که این ، نیز پیاده سازی و انجام شده است . تصویر را می توان براساس سطح دشواری درتشخیص پرندگان شکاری به سه نوع سه سطح به صورت clear ( واضح) medium clear (متوسط) و unclear (مبهم ) می باشند . تطبیق الگو با استفاده از همبستگی طبیعی و شبکه عصبی مصنوعی (ANN) دیگر روش هایی هستند که در این مقاله بر روی مورفولوژی تصویر اعمال شده است و نتایج رضایت بخشی صرف نظر از سطح دشواری تصویر ارائه داده اند . اما شبکه های عصبی مصنوعی به ترتیب در نوع 3.2.1 سطح دشواری عکس دقت تشخیصی برابر 100 % و 60 % و %50 خواهد داشت .

نویسندگان

بهار بنایی

دانشجوی ارشد کامپیوتر دانشگاه آزاد فردوس

سید محمد میرزایی

دانشجوی ارشد کامپیوتر دانشگاه آزاد فردوس

جلیل پناهی

دانشجوی ارشد کامپیوتر دانشگاه آزاد فردوس

مرتضی شرفی

کارشناسی ارشد برق- کنترل دانشگاه آزاد اسلامی واحد گناباد

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 :
  • کنفرانس منطقه‌ای روش‌های محاسبه نرم در مهندسی برق و کامپیوتر ...
  • Littauer, G. A., J. F. Glahn, D. S. Reinhold, and ...
  • Batra, S. W. T. 1988. Automatic Image Analysis for Rapid ...
  • Casasent, D., A. Talukder, P. Keagy, and T. Schatzki. 2001. ...
  • Gonzalez, R. C. and R. E. Woods. 2003. Digital Image ...
  • Bulanon, D. _ T. Kataoka, Y. Ota, and T. Hiroma.200! ...
  • El-Faki, M. S., N. Zhang, and D. E. Peterson. 2000. ...
  • Machine Vision. Transactions of the ASAE, Vol 43, No 6, ...
  • Leemans, V., H. Magein, and M. F. Destain. 1999. Defect ...
  • Lezoray, O., A. Elmoataz, and H. Cardot.2003. A Color Object ...
  • Sural, S., G. Qian, and S. Pramanik. 2002. Online Document: ...
  • Hemming, J. and T. Rath. 2001. Computer vision- based Weed ...
  • Hall, S. G. and R. R. Price.2001 _ An Autonomous ...
  • Predation On Aquaculture Ponds .Louisiana Agriculture. ...
  • Hall, S. G. and R. Price. 2003 b. Using Autonomous ...
  • Price, A., G. Taylor, and L. Kleeman. 2000. Online Document: ...
  • Lee, C. H., S. H. Lee, and H. H. wang. ...
  • Aitkenhead, M. J., I. A. Dalgetty, C. E. Mullins, A. ...
  • Strachan. 2003. Weed and Crop Discrimination Using Image Analysis and ...
  • Bakircioglu, H.and E. Gelenbe. 1998. Random Neural Network Recognition of ...
  • Gliever, C. and D. C. Slaughter. 2001. Crop verses Weed ...
  • Nishiwaki, K., T. Togashi, and K. Amaha. 2002. Vision-Based Speed ...
  • Chang, H. and U. Robles. 2000. Website: Template Matching (http ...
  • Thiang., A. T. Guntoro, and R. Lim. 2001. Online Document: ...
  • نمایش کامل مراجع