سجاد سبزی - دانشجوی دکتری مکانیک ماشین های کشاورزی دانشگاه محقق اردبیلی- اردبیل، ایران
یوسف عباس پورگیلانده - استاد گروه مکانیک بیوسیستم دانشگاه محقق اردبیلی- اردبیل، ایران

قطعه بندی، تشخیص و طبقه بندی تصاویر برگ درختان و گیاهان براساس سیستم های بیناییکامپیوتر می تواند به عنوان اولین گام در عملیات های مبتنی بر ماشین در حوزه کشاورزی دقیق در نظرگرفته شود. در این مطالعه پنج نوع از برگ درختان مختلف به منظور طبقه بندی در نظر گرفته شدند. اینپنج نوع درخت عبارتند از بلوط، گل محمدی، نارون وحشی، زبان گنجشک و زیتون. از این برگها 533عکس در شرایط کنترل شده تهیه گردید. از این تصاویر 206 خصوصیت در دو حوزه خصوصیات رنگی وخصوصیات ماتریس هموقوعی سطح خاکستری استخراج شدند. با استفاده از روش هیبرید شبکه عصبیمصنوعی – الگوریتم شبیه سازی تبرید پنج خصوصیت موثر از میان این خصوصیات استخراج شدند. اینخصوصیات موثر عبارتند از اطلاعات اندازه همبستگی مربوطبه زاویه همسایگی 135 درجه، مومنت قطریمربوطبه زاویه همسایگی 90 درجه، اولین مولفه اضافی در فضای رنگی HSI، شاخص اولین و دومین مولفه فضای رنگی HSV، شاخص رنگی برای پوشش گیاهی در فضای رنگی CMY. بعد از انتخاب خصوصیات موثر، طبقه بند هیبرید شبکه عصبی مصنوعی – الگوریتم کلونی مورچگان جهت طبقه بندی این پنج نوع برگ استفاده شد. در نهایت نتایج نشان داد که این طبقه بند با نرخ طبقه بندی صحیح 98/40 درصد طبقه بندی را انجام داد.

الگوریتم شبیه سازی تبرید، درختان میوه، طبقه بندی، تشخیص