سیزدهمین کنگره ملی مکانیک بیوسیستم و مکانیزاسیون ایران (مکانیک بیوسیستم 1400)
عنوان فارسی تلفیق ماشین بردار پشتیبان با ویژگی های ماتریس GLRM به منظور طبقه بندی سه رقم گندم
چکیده فارسی مقاله گندم یکی از محصولات مهم و استراتژیک کشاورزی است که نقش مهم و بسزائی را در تامین زنجیره غذایی انسان­ها بازی می­کند. در این میان، براساس شرایط اقلیمی و آب و هوایی، ارقام خاصی برای کشت در هر منطقه پیشنهاد می­شود تا ضمن بالا بردن کیفیت محصول نهایی، راندمان مزرعه­ای نیز افزایش پیدا کند. در روش­های سنتی، تشخیص ارقام مختلف گندم توسط کارشناسان خبره انجام می­پذیرد که به دلیل خستگی، سرعت پایین و تصمیم­گیری مبتنی بر نظرات شخصی، خالی از اشکال نیست. برای رفع این مشکل، امروزه از روش­های غیرمخرب از جمله بینایی ماشین استفاده می­گردد. در این تحقیق نیز با استفاده از روش بینایی ماشین، اقدام به استخراج ویژگی­های بافت توسط الگوریتم GLRM در چهار جهت صفر، 45، 90 و 135 درجه شده و با تشکیل پایگاه داده مورد نظر توسط طبقه بندی­کننده ماشین بردار پشتیبان (SVM)، سه رقم مختلف هما، صدرا و سرداری طبقه­بندی گردیده است. نتایج تحقیق نشان داد که مدل SVM با تابع مرکزی خطی یا چند جمله­ای می­تواند با دقت بالای 97% هر سه رقم گندم مورد استفاده را شناسایی و طبقه­بندی نماید. حساسیت، ویژگی و نرخ کلاس­بندی صحیح هر سه رقم نیز بالای 97% بدست آمد که نشان دهنده دقت بالای مدل SVM بر روی پایگاه داده تشکیل یاقته از ویژگی­های GLRM می­باشد. نتایج بیانگر قابلیت بسیار بالای روش بینایی ماشین در طبقه­بندی و شناسایی ارقام مختلف گندم است و می­تواند به عنوان روشی مورد اعتماد استفاده گردد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Combination of Support Vector Machine with GLRM Features for Classification of Three Wheat Varieties
چکیده انگلیسی مقاله Wheat is one of the most important and strategic agricultural products that plays an important role in supplying the human food chain. In the meantime, based on climatic conditions, special varieties are proposed for cultivation in each region in order to increase the quality of the final product and increase the field efficiency. In traditional methods, experts are usually employed for differentiation and classification. However, they could make mistake due to low speed, fatigue, and subjectivity. To solve this problem, non-destructive methods such as machine vision are used. In this research, using machine vision method, texture features were extracted by GLRM algorithm in four directions of zero, 45, 90 and 135 degrees. By forming the database, three different varieties (Homa, Sadra and Sardari) were classified by support vector machine classifier (SVM). ). The results showed that the SVM model with a linear or polynomial kernel functions can identify and classify all three varieties of wheat with high accuracy of 97%. The sensitivity, specificity and correct classification rate (CCR) of all three varieties were also above 97%, which indicates the high accuracy of the SVM model on the GLRM features. The results indicate the very high capability of the machine vision method in classifying and identifying different wheat cultivars and can be used as a reliable method.
کلیدواژه‌های انگلیسی مقاله پردازش تصویر, بینایی ماشین, بافت, ویژگی, گندم
نویسندگان مقاله Mostafa Khojastehnazhand - University of Bonab

Mozaffar Roostaei - Dryland Agricultural Research Institute

نشانی اینترنتی http://ncame1400.modares.ac.ir/browse.php?a_code=A-10-93-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   دوره مرتبط   |   کنفرانس مرتبط   |   فهرست کنفرانس ها