CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

استفاده از تکنیک های پردازش تصویر جهت شناسایی آفت های گیاهی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۳ | تعداد نمایش خلاصه: ۲۹۱ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: ELECTRICA02_081
زبان مقاله: فارسی
حجم فایل: ۱.۰۹ مگابات (فایل این مقاله در ۱۳ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۳ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله استفاده از تکنیک های پردازش تصویر جهت شناسایی آفت های گیاهی

  مهدی بختیاری آزاد - گروه کارشناسی ارشد مهندسی برق، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران
  مهدی مزینانی - گروه مهندسی برق- الکترونیک، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران- ارائه دهنده
  راحیل حسینی - گروه مهندسی کامپیوتر، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران

چکیده مقاله:

امروزه بخش عمده ای از محصولات کشاورزی بر اثر خسارات وارده توسط آفات مختلف در چرخه تولید تا مصرف از بین می روند و کاهش ضایعات ناشی از آفات را می توان به نوعی به افزایش میزان برداشت در واحد سطح تلقی نمود. در ایران میزان خسارت آفات و بیماری های گیاهی به طور متوسط 32 درصد می باشد و این میزان برای کشورهای آسیایی 36/36 درصد و برای تمام جهان 32/8 درصد است. به عبارت دیگر سالانه مبلغی در حدود 68/5 میلیارد ریان زیان آفات و عوامل بیماری زای گیاهی را تحمل می کنیم و این مقدار معادل غذای سالانه 8-7 میلیون نفر از مردم کشور ما است. مبارزه با آفات قبل از خسارت یکی از علل کاهش ضایعات و افزایش میزان برداشت محصول است. مبارزه با آفات به دو روش سنتی و نوین صورت می گیرد. در روش های سنتی مثل کنترل بیولوژیک و تله چسبان و سایر روش ها شناسایی سریع آفات امکان ندارد و همچنین به علت از بین بردن حشرات مفید مثل زنبور عسل و همچنین کارایی پایین و مقاوم شدن حشرات در برابر روش های سنتی لازم است از روش های نوین برای مبارزه با آفات استفاده کرد. روش های نوین مبتنی بر بینایی ماشین و پردازش تصویر دیجیتال می باشد که باعث کم شدن خطای انسانی و شناسایی زود هنگام آفات می شود. آفت مورد مطالعه در این مقاله پشه سفید است که خسارت های زیادی را به انواع محصولات کشاورزی می زند. در این مقاله چهار روش مبتنی بر پردازش تصویر دیجیتال مورد بررسی قرار گرفته است. روش شناسایی سریع- روش نول- روش دایوین و روش پواسون که همگی سعی در بهبود شناسایی سریع پشه سفید دارند.

کلیدواژه‌ها:

شناسایی آفت پشه سفید، پردازش تصویر، روش پواسون، روش نول، روش دایوین

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ELECTRICA02-ELECTRICA02_081.html
کد COI مقاله: ELECTRICA02_081

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
بختیاری آزاد, مهدی؛ مهدی مزینانی و راحیل حسینی، ۱۳۹۴، استفاده از تکنیک های پردازش تصویر جهت شناسایی آفت های گیاهی، همایش مهندسی برق، مخابرات پزشکی و پژوهشهای نیاز محور با محوریت دستاوردهای نوین در علوم مهندسی، مشهد، موسسه آموزش عالی خاوران، https://www.civilica.com/Paper-ELECTRICA02-ELECTRICA02_081.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (بختیاری آزاد, مهدی؛ مهدی مزینانی و راحیل حسینی، ۱۳۹۴)
برای بار دوم به بعد: (بختیاری آزاد؛ مزینانی و حسینی، ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • [] مهرداد فرهنگی، شناسایی آفات گیاهی-۱۳۸۹ ...
  • محمد راسخ عادل، کرم درخت گیلاس ۱۳۹۰- ...
  • محمد اکرم ایرندگانی، کنترل بیلوژیک ۱۳۸۸ - ...
  • [ه] غلامرضا امینی رنجبر، غلامرضا میرکی، همایون فخیم احمدی. کنترل ...
  • S.R.Pokharkar, V.R.Thool "Early pest identification in greenhouse crops using image ...
  • Vincent martina "early pest detection greenhouses" pulsar team 2004 route ...
  • V. Martin and M Thonnat. Learning contex- tual variations for ...
  • sitaram longani prof v.v.pixit "pest detection on leaves using poission's ...
  • Rupesh G.Mundada, Dr V.V. Gohokar " Detection and Classification of ...
  • N. Maillot and M Thonnat. Ontology based com-plex object recognition. ...
  • Paul Boissarda, Vincent Martin, _ cognitive vision approach to early ...
  • M. et al. Borg. Visual surveillance for aircraft ac-tivity monitoring. ...
  • P. Boissard, V. Martin, and S. Moisan. A cog-nitive vision ...
  • P. Boissard, V. Martin, S. Moisan, "A cognitive vision approach ...
  • Vincent Marti and Sabine Moisan, "Early Pest Detection in Greenhouses" ...
  • R.Pydipati, T.F. Burks and W.S. Lee, "Identification of citrus disease ...
  • Sardi Pest & Diseases (2012). White fly [Online]. Available: _ ...
  • Shen Weizhong, Wu Yachun [at.el], "Grading method of leaf spot ...
  • Sanjay B. Patil, Dr. Shrikant K. Bodhe, " LEAF DISEASE ...
  • Santanu Phadikar, Jaya Sil."Rice Disease Identification Using Pattern Recognition Techniques." ...
  • M. Berges, E. C Kara, E. Goldman, and A. Rowe, ...
  • Ikhlef Bechar and Sabine Moisan, "On-line counting of pests in ...
  • IndiaMartin, V. Thonnat, _ _ Learning Approach For Adaptive Image ...
  • Y. Li, C. Xia, and J. Lee, "Vision-based pest detection ...
  • V. _ Gulhane & Dr. A. A. Gurjar." Detection ofDiseases ...
  • Jayamala K. Patil1 , Raj Kumar, ":Advances In Image Processing ...
  • Yousef Al-Kofahi, Wiem Lassoued, William Lee, and Badrinath Roysam, Senior ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۱۴۰۵
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.