|
عنوان
|
شناسایی ارقام مختلف گندم با استفاده از کلاسبندهای SVM و KNN بر پایه پردازش تصاویر دانه های جدا از هم
|
|
نوع پژوهش
|
مقاله ارائه شده کنفرانسی
|
|
کلیدواژه‌ها
|
ویژگی رنگی ، گندم ، کلاسبند، آستانه
|
|
چکیده
|
انتخاب رقم مناسب گندم برای کاشت از عوامل مهمی است که می تواند در عملکرد تولید گندم موثر باشد. امروزه تشخیص ارقام گندم بر اساس رنگ و شکل توسط افراد متخصص در این حوزه انجام می شود که کاری مشکل، زمانبر و توام با خطا است و بعضا کشاورزان تنها از روی اعتماد به نظر متخصصان نوع رقم را می پذیرند. هدف از این مطالعه استفاده از بینایی ماشین برای رسیدن به حداکثر دقت در تشخیص ارقام گندم است. در این مطالعه در مجموع 800 تصویر رنگی ( 100 نمونه از هر رقم ) در شرایط نوری ثابت بدست آمد. در استخراج ویژگی ها از ویژگی های مهم رنگی، بافتی و شکلی استفاده است و در کل 93 ویژگی با استفاده از فضاهای رنگی مختلف LAB , HSV , RGB و YCbCr تهیه گردید. برای طبقه بندی از کلاسبند های مشهور SVM وKNN استفاده شد. نتایج تحقیق نشان داد که کلاسبند SVM با میانگین دقت دسته بندی 91/97 % قابلیت خوبی در تشخیص انواع ارقام موجود گندم داشته و عملکرد بهتری نسبت به کلاسبند KNN دارد.
|
|
پژوهشگران
|
حسین باقرپور (نفر اول)، سیاوش شامحمدی (نفر دوم)
|