CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

طراحی الگوریتم شناسایی ردیف کشت با استفاده از بینایی ماشین به منظور هدایت اتوماتیک تراکتور

اعتبار موردنیاز : ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۵۳۸ | نظرات: ۰
سال انتشار: ۱۳۹۱
نوع ارائه: شفاهی
کد COI مقاله: NCAMEM07_076
زبان مقاله: فارسی
حجم فایل: ۲۱۹.۷۱ کیلوبایت (فایل این مقاله در ۶ 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 ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله طراحی الگوریتم شناسایی ردیف کشت با استفاده از بینایی ماشین به منظور هدایت اتوماتیک تراکتور

  امیر شیخی آراسته - دانشجوی کارشناسی ارشد مکانیک ماشین های کشاورزی دانشگاه ارومیه
  پرویز احمدی مقدم - استادیار و دانشیار گروه مکانیک ماشین های کشاورزی دانشگاه ارومیه
  محمد حسن کماریزاده - استادیار و دانشیار گروه مکانیک ماشین های کشاورزی دانشگاه ارومیه

چکیده مقاله:

هدایت ماشین های کشاورزی داخل ردیف های مزرعه برای اجرای عملیات خاکورزی، به ویژه عملیات داشت (تنک کردن، وجین کردن و سمپاشی) و برداشت علاوه بر حساسیت و نیاز به دقت بالا، خستگی زیادی برای راننده به همراه دارد. روش های هدایت خودکار ماشین در مزرعه شامل الف) هدایت نسبت به ردیف های محصول و یا عملیات قبلی، مانند ردیف های شخم خورده، کشت شده، برداشت شده ب) هدایت بر اساس سیستم موقعیت یابی جهانی (GPS) می باشد. هدف این تحقیق استفاده از تکنولوژی بینایی ماشین جهت ارائه ی یک رویکر د جدی د برا ی تشخیص ردیف محصو ل می باش د ک ه ب ر اساس تبدی ل ها ف د ر مقیاس خاکستری بر روی تصاویر و در نتیجه بهبود قابل توجهی از سرعت پردازش تصویر با هم ادغام شده اند. تصاویر مورد آنالیز در این تحقیق به منظور عملیات تنک کنی و وجین کنی در مرحله 4 تا 6 برگی با استفاده از یک دوربین دیجیتال CCD (Sony Cyber Shot w200) از مزارع چغندرقند شهرستان نقده تهیه گردید. بمنظو ر حذف زمین ه خاکی و تشخیص گیاه ، فضاهای رنگی و تبدیلات مختلف توسط نر م افزار MATLAB R2011b مورد بررسی و آنالیز قرار گرفت. نتایج آنالیز تصاویر در فضاهای مختلف نشان داد که فضای رنگی RGB و تبدیل (ترکیب) (2R-G+B) بهترین انتخاب برای جداسازی محصول از زمینه ی خاکی می باشد. مهم ترین منبع ایجاد خطا در الگوریتم تشخیص ردیف محصول، علف های هرز در تصاویر می باشد. نتایج نشان داد که الگوریتم طراحی شده قادر به تشخیص ردیف چغندر قند در مراحل مختلف رشد می باشد. خطای متوسط بین تشخیص ردیف های محصول در شرایط واقعی 24 میلی متر و زمان متوسط پردازش هر تصویر 0.12 ثانیه به دست آمد.

کلیدواژه‌ها:

بینایی ماشین، تبدیل هاف، چغندرقند، کشاورزی دقیق، هدایت خودکار

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-NCAMEM07-NCAMEM07_076.html
کد COI مقاله: NCAMEM07_076

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:
شیخی آراسته, امیر؛ پرویز احمدی مقدم و محمد حسن کماریزاده، ۱۳۹۱، طراحی الگوریتم شناسایی ردیف کشت با استفاده از بینایی ماشین به منظور هدایت اتوماتیک تراکتور، هفتمین کنگره ملی مهندسی ماشین های کشاورزی و مکانیزاسیون، شیراز، دانشگاه شیراز، https://www.civilica.com/Paper-NCAMEM07-NCAMEM07_076.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: (شیخی آراسته, امیر؛ پرویز احمدی مقدم و محمد حسن کماریزاده، ۱۳۹۱)
برای بار دوم به بعد: (شیخی آراسته؛ احمدی مقدم و کماریزاده، ۱۳۹۱)
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 :

  • Bakker, T et al (2008). A vision based row detection ...
  • دانشگاه شیراز، ۱۴ الی ۱۶ شهریور ۱۳۹۱ ...
  • Slaughter, D. C et al. 2008. Autonommous robotic weed control ...
  • Gonzalez, R.C and R.E. Woods. 1992. Digital Image Processing. Addis ...
  • Lee, W. S et al. 1999. Robotic Weed Control System ...
  • _ Automatic guidance system with crop _ Proceedings of the ...
  • Romeo, J et al. 2012. Crop Row Detection in Maize ...
  • Tang, L., L.F. Tian. 2002. Machine Vision for Automated Corn ...
  • Van der Weide, R. Yet al. (2008). Innovation in mechanica ...
  • دانشگاه شیراز، ۱۴ الی ۱۶ شهریور ۱۳۹۱ ...
  • کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۱ مقاله استفاده شده است.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۱۱۳۴
    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

    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • کشاورزی > کشاورزی عمومی
  • اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    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.