محسن نجف آبادی ها؛ داود محمدزمانی؛ محمد غلامی پرشکوهی
چکیده
امروزه تکنیکهای هوش مصنوعی و فناوریهای یادگیری ماشین توانسته است شناسایی و طبقهبندی بیماریهای گیاهی را آسان کند. در این پژوهش، به منظور تشخیص و طبقهبندی برخی بیماریهای برگ گیاه انگور با نامهای پوسیدگی سیاه، اسکای (زوال) و لکه برگی، پس از حذف پس زمینه از تصویر برگها و استخراج ویژگیهای بافت و رنگ و شکل از تصاویر، ...
بیشتر
امروزه تکنیکهای هوش مصنوعی و فناوریهای یادگیری ماشین توانسته است شناسایی و طبقهبندی بیماریهای گیاهی را آسان کند. در این پژوهش، به منظور تشخیص و طبقهبندی برخی بیماریهای برگ گیاه انگور با نامهای پوسیدگی سیاه، اسکای (زوال) و لکه برگی، پس از حذف پس زمینه از تصویر برگها و استخراج ویژگیهای بافت و رنگ و شکل از تصاویر، از ترکیبی از طبقهبند ماشین بردار پشتیبان و الگوریتم بهینهساز پروانه برای انتخاب مهمترین ویژگیها در تشخیص بیماری برگ گیاه انگور استفاده شد. نتایج صحت طبقهبندی برای بیماریهای پوسیدگی سیاه، اسکای (زوال) و لکه برگی و برگ سالم به ترتیب 100، 100، 100 و 95 درصد و دقت طبقهبندی برای تشخیص کل گروههای بیمار و سالم 75/98 درصد به دست آمد. نتایج طبقهبندی نشان داد که توان پردازش تصویر و یادگیری ماشین در تشخیص و طبقهبندی برخی بیماریهای گیاهی برگ انگور عالی است. در این پژوهش همچنین 15 ویژگی بافت، رنگ و شکل به کمک الگوریتم انتخاب ویژگی بهینهساز پروانه به پژوهشگران بیماری شناسی گیاهی و علوم داده معرفی شده است.
اتوماسیون عملیات کشاورزی
حمید بهنگار؛ بابک مجیدی؛ علی موقر
چکیده
دامپروری صنعتی نسل چهارم باعث کاهش تلفات دام، افزایش میزان باروری، کاهش هزینههای عملیاتی، مدیریت منابع انسانی و به صورت کلی افزایش بهرهوری میشود. در این تحقیق مجموعهای از حسگرهای الکترونیکی - زیستی برای خودکارسازی هوشمند دامداری صنعتی به صورت یک گردنبند و یک پابند طراحی شد که به تکتک دامها متصل میشود. مجموعهای از ...
بیشتر
دامپروری صنعتی نسل چهارم باعث کاهش تلفات دام، افزایش میزان باروری، کاهش هزینههای عملیاتی، مدیریت منابع انسانی و به صورت کلی افزایش بهرهوری میشود. در این تحقیق مجموعهای از حسگرهای الکترونیکی - زیستی برای خودکارسازی هوشمند دامداری صنعتی به صورت یک گردنبند و یک پابند طراحی شد که به تکتک دامها متصل میشود. مجموعهای از دروازههای اینترنت اشیا که به صورت اختصاصی برای مزرعه طراحی و به صورت آزمایشی پیادهسازی شدند وظیفۀ انتقال دادههای این حسگرها را به سیستم محاسبات ابری بر عهده داشتند. با طراحی یک سامانۀ نرمافزاری تحلیل دادههای بزرگ بر اساس اطلاعات جمعآوری شده از دامها، رفتار دام برای ارائۀ توصیههای لازم در مدیریت دامداری مدل شد. سامانۀ خودکارسازی ارائه شده، نشانههای حیاتی دامها شامل دمای بدن، میزان تحرک، میزان تغذیه و نشخوار، فحل بودن و رفتار دامها مانند استرس گرمایی و موارد مشابه را با دقت بالایی در لحظه نظارت میکند و در اختیار دامداران قرار میدهد. در این تحقیق با کمک دادههای حسگرهای دام و روشهای هوش مصنوعی رفتار دام به صورت شبانهروزی بررسی شد. دقت الگوریتم نزدیکترین همسایه برای مدلسازی رفتار دام 78 درصد و دقت شبکههای عصبی پیچشی 84 درصد بود. اما با توجه به سادگی اجرای الگوریتم نزدیکترین همسایه استفاده از این روش طول عمر باتری سیستم را تا 5/4 برابر افزایش داد و انتخاب مناسبتری بود.
