|
عنوان
|
شناسایی و طبقهبندی تودههای زیره پارسی (Boiss persicum Bunium (با روش پردازش تصویر
در ترکیب با شبکههای عصبی مصنوعی
|
|
نوع پژوهش
|
مقاله چاپ شده
|
|
کلیدواژه‌ها
|
پردازش تصویر، زیره پارسی، شبکههای عصبی مصنوعی، ویژگیهای رنگی و بافتی.
|
|
چکیده
|
زیره پارسی (persicum Bunium (از جمله گیاهان دارویی با ارزش اقتصادی و صادراتی بالا است که تشخیص و طبقهبندی
تودههای آن مهم است. این عمل با استفاده از بازرسی دستی و بصری بسیار وقتگیر و دارای خطا است. فناوری بینایی ماشین
به عنوان روشی جدید و غیرمخرب میتواند روش بسیارخوبی برای شناسایی و طبقهبندی آنها باشد. هدف از انجام این
پژوهش شناسایی تودههای زیره با استفاده از ویژگیهای رنگی و بافتی به کمک پردازش تصویر و شبکه عصبی مصنوعی است.
در این پژوهش هفت توده زیره پارسی از رویشگاههای طبیعی استان کرمان جمعآوری شد و پس از تهیه تصاویر نمونهها، 36
ویژگی رنگی و 108 ویژگی بافتی از این تصاویر در نظر گرفته شد. شناسایی تودهها با استفاده از شبکه عصبی پس انتشار انجام
شد. بر مبنای نتایج این پژوهش، میانگین دقت طبقهبندی با شبکه یک لایه برای ویژگیهای رنگی، ویژگیهای بافتی و ترکیب
ویژگیهای بافتی و رنگی به ترتیب 55/93 ،%50/93 %و40/96 % به دست آمد. همچنین کمترین میانگین خطای مربعات،
برای ویژگیهای رنگی، بافتی و ترکیب ویژگیهای بافتی و رنگی، به ترتیب 172/0 ،182/0 و 148/0 حاصل شد. نتایج این
پژوهش نشان داد که فنآوری بینایی ماشین و شبکههای عصبی مصنوعی، توانایی بسیار بالایی در طبقهبندی و شناسایی
تودههای مختلف زیره پارسی به ویژه در حالت استفاده از ترکیب ویژگیهای بافتی و رنگی دارد.
|
|
پژوهشگران
|
عاطفه نکویی (نفر اول)، مجید دولتی (نفر دوم)، ایمان گلپور (نفر سوم)
|