شناسایی گوجهفرنگی رسیده با استفاده از ویژگیهای رنگ، بافت و تبدیل موجک به منظوراستفاده در روبات برداشت گوجهفرنگی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 667

فایل این مقاله در 5 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:

RCANR06_149

تاریخ نمایه سازی: 9 تیر 1393

چکیده مقاله:

گوجه فرنگی از جمله محصولات مهم کشاورزی است که تولید آن در گلخانه رشد قابل توجهی داشته است. با افزایش هزینه‌های کارگری، اتوماتیک کردن عملیات گلخانه‌ای به یکی از مسائل مهم روز تبدیل شده است. در این تحقیق، الگوریتم بینایی بر مبنای ترکیبی از عملیات پردازش تصویر و شبکه عصب مصنوعی به منظور شناسایی گوجه‌فرنگی رسیده پیشنهاد شده است. در عملیات پردازش تصویر، 186 ویژگی‌ شامل 48 ویژگی رنگی، 48 ویژگی بافت و 90 ویژگی تبدیل موجک از تصاویر استخراج شد. در نهایت به منظور شناسایی گوجه‌فرنگی رسیده، ویژگی استخراج شده به عنوان ورودی یک شبکه چند لایه پیش‌خور مورد استفاده قرار گرفتند. نتایج نشان دادند که سیستم قادر بود گوجه فرنگی رسیده و نرسیده را به ترتیب با دقت 100 و 15/96 درصد شناسایی کند.

نویسندگان

آرمان عارفی

دانشجوی دکتری مکانیک ماشینهای کشاورزی، گروه مکانیک ماشینهای کشاورزی، دانشگاه ارومیه

اسعد مدرس مطلق

استادیار گروه مکانیک ماشینهای کشاورزی، دانشگاه ارومیه،

جلال خدایی

استادیار گروه مکانیک ماشینهای کشاورزی، دانشگاه کردستان

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 :
  • Code of Federal Regulations United States standards for grades of ...
  • Hayashi, S., and O. Sakaue. 1996. Harvesting by robotic system ...
  • Kondo, N., K. Yamamoto, H Shimizu, K. Yata, M. Kurita, ...
  • نمایش کامل مراجع