مشخصات پژوهش

عنوان	شناسایی ارقام مختلف گندم با استفاده از دو شبکه عصبی کانولوشن عمیق
نوع پژوهش	مقاله ارائه شده کنفرانسی
کلیدواژه‌ها	بینایی ماشین، طبقه‌بند، ارقام گندم، شبکه لایه عمیق
چکیده	با توجه به وجود تنوع در ارقام گندم، انتخاب رقم مناسب برای کشت در شرایط مختلف خاکی و ‌آبی، اهمیت زیادی دارد. برای عملکرد بهینه در کشت گندم ابتدا باید ارقام شناسایی و تفکیک شده و در شرایط محیطی سازگار که توسط کارشناس توصیه می‌شود کشت شود. نزدیکی ویژگی‌های ظاهری در ارقام گندم، گاهی متخصصان را هم در شناسایی ارقام گندم دچار مشکل می‌کند. از طرفی عواقب کشت نامناسب گندم باعث عملکرد پایین یا ناچیز و از بین رفتن رقم‌های پایه گندم خواهد شد. لذا هدف اصلی این مطالعه بررسی قابلیت شبکه عصبی لایه عمیق کانولوشن پیچشی (CNN) بر مبنای پردازش تصویر در طبقه‌بندی چهار رقم گندم به منظور رسیدن به دقت و سرعت بالا در این عملیات می‌باشد. بنابراین، تعداد 400 تصویر RGB، از چهار رقم گندم ایرانی (هشترود، حیدری، میهن و زرینه) با سایز اولیه 4128 * 2322 تهیه شد. از این تصاویر، تصاویر تک‌تک دانه‌ها جدا گردید و تعداد کل تصاویر به 38120 عدد رسید. برای طبقه‌بندی ارقام گندم از دو شبکه لایه عمیق Inception_Resnet_V2 و Inception_V3 استفاده شد. نتایج نشان داد که شبکه Inception_Resnet_V2 با دقت 5/93 درصد، عملکرد بهتری نسبت به شبکه Inception_V3 داشته است.
پژوهشگران	حسین باقرپور (نفر اول)، سیاوش شامحمدی (نفر دوم)