@article { author = {Orak, H. and Abdanan-Mehdizadeh, S.}, title = {Development of a Precision Weed Control System for Lawns using Machine Vision}, journal = {Agricultural Mechanization and Systems Research}, volume = {19}, number = {70}, pages = {55-68}, year = {2018}, publisher = {Agricultural Engineering Research Institute}, issn = {2476-4612}, eissn = {24764620}, doi = {10.22092/erams.2018.107033.1119}, abstract = {A large amount of herbicide is being used for controlling weeds in agricultural, lawns, sport fields on yearly basis. This causes environmental pollution and economic concerns. To reduce the use of herbicides, hand labor may be the best way of removing weeds. It is, however, costly and time consuming. In this paper, two methods of distinguishing weeds from lawns using computer vision techniques are proposed. Due to the fact that the weeds have different colors and identification of them from grass is not possible; therefore, an algorithm was developed based on the assumption that the grass area should contain more edges while the weed area is smoother than the grass area. For identification of weed/grass two  methods were used, namely: Bayesian Classifier (BO) and morphology (MO. Results indicated that correct weed identification rates for MO and BO methods were 89.58% and 80.42% respectively. Furthermore, from results obtained it can be concluded that herbicide usage was reduced more than 70%, which from economical point of view as well as reduction of environmental pollution is of great importance.}, keywords = {Bayes Classifier,Intelligent Sprayer,Machine vision,Morphology,weed}, title_fa = {توسعه یک سامانه دقیق کنترل علف های هرز برای زمین های چمن به کمک بینایی ماشین}, abstract_fa = {استفادۀ بی­رویه از علف­کش­ها به منظور از بین بردن علف­های هرز در مزارع کشاورزی، زمین چمن، زمین­های ورزشی و غیره سبب بروز نگرانی­های اقتصادی محیط زیستی شده است. به منظور کاهش علف­کش­ها، بهترین راه ممکن دست چین­کردن آنهاست که بسیار پر هزینه و وقت گیر است. در این مقاله دو روش برای تشخیص علف­هرز در چمن با استفاده از تکنولوژی بینایی ماشین ارائه شده است. با توجه به این موضوع که علف­های هرز رنگ­های متفاوتی دارند و به خوبی امکان تشخیص آنها از چمن وجود ندارد، از این فرض استفاده شد در مناطقی که علف­های هرز وجود دارد، نسبت به مناطقی که چمن روییده است، تفاوتی در میزان لبه­های تصویر اخذ شده وجود دارد. روش طبقه‌بندی بیز و ویژگی مورفولوژی برای تشخیص علف­هرز در چمن به­کار گرفته شد. میزان تشخیص درست علف­هرز برای روش مورفولوژی 58/89 درصد و روش طبقه‌بندی بیز 42/80 درصد به دست آمد. از سامانۀ سمپاش هوشمند با سه نازل استفاده شد و میزان کاهش مصرف علف­کش­ها به بیش از 70 درصدرسید. این مسئله تا حد زیادی از لحاظ اقتصادی و کاهش آلودگی­های محیط زیست می­تواند مؤثر  باشد.}, keywords_fa = {بینایی ماشین,سمپاش هوشمند,طبقه بندی بیز,علف هرز,مورفولوژی}, url = {https://amsr.areeo.ac.ir/article_115925.html}, eprint = {https://amsr.areeo.ac.ir/article_115925_2bf90987ed79d11deb3ac2827295131a.pdf} }