مقاله توسعه روش جدید تنک کنی مزارع چغندرقند با استفاده از بینایی ماشین


در حال بارگذاری
17 سپتامبر 2024
فایل ورد و پاورپوینت
2120
4 بازدید
۶۹,۷۰۰ تومان
خرید

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله توسعه روش جدید تنک کنی مزارع چغندرقند با استفاده از بینایی ماشین دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله توسعه روش جدید تنک کنی مزارع چغندرقند با استفاده از بینایی ماشین  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله توسعه روش جدید تنک کنی مزارع چغندرقند با استفاده از بینایی ماشین،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن مقاله توسعه روش جدید تنک کنی مزارع چغندرقند با استفاده از بینایی ماشین :

تعداد صفحات:۸
چکیده:
تنک کنی و وجین کنی محصولات ردیفی از جمله عملیات هزینه بر و طاقت فرسا بوده و از اهداف اصلی کشاورزی دقیق بهبود عملکرد محصول در واحد سطح می باشد. تشخیص و تمایز بین محصول، علف هرز و خاک با استفاده از تکنیک پردازش تصویر عمل پیچیده ای بوده، بویژه زمانی که محصول به اندازه کافی رشد کرده باشد. بینایی ماشین می تواند ابزار مناسبی برای تشخیص و جداسازی محصول از خاک و علف های هرز باشد. هدف اصلی این تحقیق توسعه الگوریتم با دقت مناسب به منظور تشخیص بوته های چغندرقند و حذف بوته های اضافه می باشد. تصاویر رنگی توسط دوربین دیجیتال مجهز به لنز CCD از سطح مزارع چغندرقند شهرستان نقده در فصل بهار در مرحله ۴ الی ۶ برگی، در شرایط مختلف آب و هوایی (آفتابی و ابری) تهیه گردید. الگوریتم های ارائه شده متشکل از دو قسمت جداسازی محصول از زمینه و تصمیم گیر ی بر مبنای فاصله بوته از بوته های مجاور می باشد. توابع تفکیک کننده و نرخ موفقیت آن ها در تشخیص مرکز جرم بوته ها و تقسیم بندی بوته ها مورد ارزیابی قرار گرفت. بررسی تصاویر نشان داد که اساسی ترین مشکل در تشخیص شیء، همپوشانی بوته ها می باشد. نتایج آنالیز نشان داد که الگوریتم ارائه شده در فضای رنگی RGB با تبدیل (۲R-G+B) با وجود همپوشانی، دارای دقت بالاتری نسبت به فضاهای رنگی (HSI و YCbCr) می باشد. نتایج ارزیابی نشان داد که دقت الگوریتم مرکز جسم و الگوریتم عرض متوسط به ترتیب، ۵۸/۶۵ و ۸۹/۷ درصد در عملکرد روی بوته ها و همچنین دقت جداسازی محصول از زمینه به ترتیب ۹۴ و ۹۱ درصد در هوای آفتابی و ابری می باشد.

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.