رویا فرهادی؛ امیرحسین افکاری سیاح؛ بهاره جمشیدی؛ احمد موسی پور گرجی
چکیده
برای ایجاد اطمینان از عرضۀ پیوستۀ سیب زمینی به مصرفکنندگان و صنایع فرآوری این محصول، ذخیره سازی آن ضروری است. هنگام ذخیره سازی، تغییرات فیزیولوژیکی و اتلاف آب در سیب زمینی باعث می شود رنگ، شکل، اندازه و بافت آن تغییرکند. بنابراین، برای تعیین کیفیت محصول نیاز به روش های دقیق و سریع خواهد بود. در این مطالعه، از روش ...
بیشتر
برای ایجاد اطمینان از عرضۀ پیوستۀ سیب زمینی به مصرفکنندگان و صنایع فرآوری این محصول، ذخیره سازی آن ضروری است. هنگام ذخیره سازی، تغییرات فیزیولوژیکی و اتلاف آب در سیب زمینی باعث می شود رنگ، شکل، اندازه و بافت آن تغییرکند. بنابراین، برای تعیین کیفیت محصول نیاز به روش های دقیق و سریع خواهد بود. در این مطالعه، از روش ماشین بینایی و شبکۀ عصبی مصنوعی برای کلاسه بندی و مدلسازی دو نمونه سیب زمینی ذخیره شده در شرایط ثابت و متغیر استفاده شد. از بین 29 پارامتر اندازه گیری شده مربوط به ویژگی های رنگ، بافت و مورفولوژیکی، سه ویژگی طول قطر بزرگ، فشردگی و مساحت (از ویژگی های مورفولوژیکی)، دو ویژگی L* و b* (از ویژگی های رنگی) و 2 ویژگی میانگین کنتراست و میانگین سطح خاکستری (از ویژگی های بافت) به عنوان پارامترهای اصلی انتخاب شدند. در میان الگوریتم های آموزشی، الگوریتم آموزشی لونبرگ-مارکوارت (LM) با کمترین میانگین مربعات خطا 0/012=RMSE و بیشترین ضریب تبیین 95/01 =R2 درصد مدلی بهینه در طبقه بندی (کلاسه بندی) دو نمونه سیب زمینی انبار شده در انبار غیرفنی و فنی شناخته شد. در انبار غیرفنی و فنی، دقت شناسایی ژنوتیپ اگریا به ترتیب 89/2 و 87/6 درصد و دقت شناسایی ژنوتیپ کلون 8-397009 بهترتیب 92/4 و 90/3 درصد به دست آمد.
سجاد سبزی؛ یوسف عباسپور گیلانده؛ حسین جوادی کیا
چکیده
علف هرز بهدلیل رقابت با محصولات کشاورزی برایدستیابی به آب، مواد مغذی، نور خورشید و . . . باید از مزرعه حذف شود. روش‌های مختلفی برای مبارزه با علف‌های هرز وجود دارد مانند روش‌های مکانیکی، دستی و استفاده از علف‌کش‌ها که در میان کشاورزان، امروزه کاربرد علف‌کش‌ها رایج‌تر است اما این کار بهدلیل استفادۀ یکسان در کل مزرعه، ...
بیشتر
علف هرز بهدلیل رقابت با محصولات کشاورزی برایدستیابی به آب، مواد مغذی، نور خورشید و . . . باید از مزرعه حذف شود. روش‌های مختلفی برای مبارزه با علف‌های هرز وجود دارد مانند روش‌های مکانیکی، دستی و استفاده از علف‌کش‌ها که در میان کشاورزان، امروزه کاربرد علف‌کش‌ها رایج‌تر است اما این کار بهدلیل استفادۀ یکسان در کل مزرعه، به آلودگی زیست محیطی انجامیده است. در این مطالعه، یک سیستم ماشین بینایی مبتنی بر پردازش ویدئو به‌منظور شناسایی علف‌هرز چاودار از گیاه سیب‌زمینی جهت پاشش بهینۀ علف‌کش پیشنهاد شده است. پس از فیلم‌برداری، پیش‌پردازش و قطعه‌بندی، 965 شیء شناسایی شد. از هر شیء، 14 خصوصیت استخراج شد. با استفاده از روش فراابتکاری هیبرید شبکۀ عصبی مصنوعی – الگوریتم ژنتیک از میان 14 خصوصیت استخراجی، 6 خصوصیت میانگین، ممان سوم، خودهمبستگی، همبستگی، عدم تشابه و آنتروپی بهعنوان خصوصیات موثر انتخاب شدند. کل داده‌ها به دو دسته تقسیم شدند: داده‌های آموزش (70 درصد کل داده‌ها) و داده‌های تست و اعتبارسنجی (30 درصد کل داده‌ها). با استفاده از طبقه‌بند هیبرید شبکۀ عصبی - مصنوعی – الگوریتم مبتنی بر جغرافیای زیستی، طبقه‌بندی انجام گرفت. با دو روش تحلیل ماتریس اغتشاش و بررسی نمودار ROC، عملکرد سیستم طبقه‌بند ارزیابی شد. سه معیار حساسیت، دقت و ویژگی با استفاده از ماتریس اغتشاش محاسبه شد. نتایج تحقیق نشان میدهد که میزان حساسیت، دقت و ویژگی سیستم طبقه‌بند بهترتیب بالای 99، 99 و 98 درصد است. می‌توان نتیجه گرفت که امکان ساخت سیستم ماشین بینایی با هدف ذکر شده که بهصورت برخط کار می‌کند وجود خواهد داشت.
امیرحسین افکاری سیاح؛ حمیدرضا محمددوست چمن آباد؛ منصور راسخ؛ مهساسادات رضوی
چکیده
فناوری ماشین بینایی میتواند به عنوان سامانهای برای تشخیص موقعیت تودههای علف هرز در سطح مزرعه در حین حرکت ماشین، به منظور کاهش مصرف سموم شیمیایی استفاده شود. در این تحقیق عوامل موثر بر دقت و کارایی سامانه پردازش تصویر در تشخیص علف هرز از گیاه اصلی بر مبنای ویژگیهای رنگی گیاه بررسی شد. اثر سه عامل شرایط نوری محیط، مرحله رشد گیاه اصلی ...
بیشتر
فناوری ماشین بینایی میتواند به عنوان سامانهای برای تشخیص موقعیت تودههای علف هرز در سطح مزرعه در حین حرکت ماشین، به منظور کاهش مصرف سموم شیمیایی استفاده شود. در این تحقیق عوامل موثر بر دقت و کارایی سامانه پردازش تصویر در تشخیص علف هرز از گیاه اصلی بر مبنای ویژگیهای رنگی گیاه بررسی شد. اثر سه عامل شرایط نوری محیط، مرحله رشد گیاه اصلی و نوع علف هرز بر میزان خطا در تشخیص گیاه اصلی (سیب زمینی) از پنج نوع علف هرز شلمبیگ، پیچک، گندم، کنگر وحشی و آتریپلکس بررسی شد. نتایج نشان داد که بین دو شرایط نورپردازی آفتابی و تصویربرداری در سایه تفاوت معنیداری در میزان دقت تشخیص وجود ندارد. اما تأثیر دو عامل نوع علف هرز و مرحله رشد بطور قابل ملاحظهای بر عملکرد سیستم تشخیص معنیدار بود. بطوریکه بهترین زمان برای تصویربرداری، اولین مرحله رشد محصول سیب زمینی است (اوایل تیر ماه) و در بین پنج نوع علف هرز نیز می‌توان شلمبیگ را با دقت قابل قبولی صرفا بر اساس مدل رنگی RGB از گیاه اصلی متمایز نمود. در این روش امکان تعیین موقعیت مراکز ثقل تودههای علف هرز بصورت دکارتی نسبت به صفحه تصویر با دقت بیشینه ۹۵% بسته به شرایط مختلف تیماری امکانپذیر است.
محمد شاکر؛ سعید مینایی؛ محمد هادی خوش تقاضا؛ احمد بناکار؛ عبدالعباس جعفری
چکیده
در این پژوهش، به منظور اصلاح عملکرد دستگاه پوستکن شلتوک و کاهش ضایعات برنج، سامانة کنترل خودکار و ماشین بینایی طراحی، ساخته و آزمایش شد. این سامانه به گونهای طراحی شد که بر حسب نوع و میزان رطوبت شلتوک بتواند فاصلة غلتکها و سرعت دورانی موتور را به مقدار بهینه تنظیم کند. پس از آن با بهکارگیری سامانة ماشین بینایی ...
بیشتر
در این پژوهش، به منظور اصلاح عملکرد دستگاه پوستکن شلتوک و کاهش ضایعات برنج، سامانة کنترل خودکار و ماشین بینایی طراحی، ساخته و آزمایش شد. این سامانه به گونهای طراحی شد که بر حسب نوع و میزان رطوبت شلتوک بتواند فاصلة غلتکها و سرعت دورانی موتور را به مقدار بهینه تنظیم کند. پس از آن با بهکارگیری سامانة ماشین بینایی و دستگاه تکدانهساز، میزان شکستگی برنج تعیین شد. میزان شکستگی برنج اگر بیش از حد مورد نظر بود تنظیمات لازم روی دستگاه پوستکن انجام میشد. شرایط کاری دستگاه پوستکن، برای دو رقم شلتوک با اعمال تیمارهای رطوبت شلتوک، فاصلة غلتکها و سرعت دورانی موتور بررسی و فاکتورهای شاخص پوستکنی و درصد شکستگی برنج اندازهگیری شد. الگوریتم پردازش تصویر به منظور تعیین درصد شکستگی برنج در نرم افزار متلب کدنویسی و ارزیابی شد. نتایج تحقیق نشان میدهد که با انتخاب مناسب سرعت دورانی موتور و فاصلة غلتکها برای شلتوک دانه متوسط، میانگین شاخص پوستکنی برابر با 65/82 درصد و میانگین شکستگی برنج سبوسدار برابر با 88/3 درصد است. برای شلتوک دانه بلند، میانگین شاخص پوستکنی و شکستگی برنج به ترتیب برابر با 40/51 و 46/27 درصد است. در حالی که بدون بهکارگیری این سامانه و با انتخاب نامناسب سرعت دورانی موتور و فاصلة غلتکها، برای شلتوک دانه متوسط، شاخص پوستکنی برابر با 58/61 درصد و شکستگی برنج برابر با 51/7 درصد است. برای شلتوک دانه بلند، شاخص پوستکنی و شکستگی برنج به ترتیب برابر با 14/19 و 03/35 درصد است. نتایج ارزیابی الگوریتم دقت آن را برابر با 81/91 درصد نشان میدهد. نتایج ارزیابی دستگاه تکدانهساز نیز نشان میدهد که مقدار مکش 45- تا 50- میلیمتر جیوه با میزان جداسازی 3/81 درصد مناسبترین مقدار است. نتایج مناسبترین سرعت دورانی موتور و فاصله غلتکها در سامانه کنترل، برنامهریزی و تنظیم شد و با نصب آن روی دستگاه مناسبترین شرایط کاری برای دستگاه پوستکن بهصورت خودکار فراهم آمد.
