تشخیص آفت زدگی برگ گیاهان با استفاده از آموزش مبتنی بر نظریه ی نوسان وفقی
محل انتشار: اولین کنفرانس ملی فناوری های نوین در علوم مهندسی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 501
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
FANAVARI01_015
تاریخ نمایه سازی: 19 خرداد 1396
چکیده مقاله:
گیاهان از پر کاربردترین منابع طبیعی برای انسان ها در زمینه های مختلف محسوب می شوند، لذا بیماری ها و آفت های گیاهی و تشخیص آنها امری مهم بوده و به طور معمول این وظیفه توسط گیاه شناسان و کشاورزان خیره صورت می گیرد که امری طاقت فرسا و زمان بر است. در این مقاله روشی برای تشخیص افت زدگی در برگ ها ارایه شده است که از آموزش مبتنی بر نوسان وفقی برای تشخیص آفت زدگی استفاده می کند. ورودی شبکه ی عصبی از طریق ویژگی های تصویر برگ تامین می شود و ویژگی های مذکور با پردازش تصویر برگ بدست می آید. نتایج حاصل از پیاده سازی روش پیشنهادی در نرم افزار متلب حاکی از بهبود کارآیی و دقت در تشخیص آفت نسبت به روش های مشابه است. برای ارزیابی کارآیی روش پیشنهادی از پایگاه داده تصاویر برگSilva بهره برداری شده است تا امکان مقایسه ی نتایج حاصل یا نتایج روش های مشابه وجود داشته باشد.
کلیدواژه ها:
نویسندگان
زهرا امیدی
گروه کامپیوتر، واحدمیانه، دانشگاه آزاد اسلامی ،میانه، ایران
حامد پزشکی
گروه کامپیوتر، واحدمیانه، دانشگاه آزاد اسلامی ،میانه، ایران
محمدرضا ابراهیمی دیشابی
گروه کامپیوتر، واحدمیانه، دانشگاه آزاد اسلامی ،میانه، 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 :