دسته بندی تصاویر برگ گیاهان با استفاده از پردازش تصویر و شبکه عصبی
کد مقاله : 1227-CFIS (R1)
نویسندگان:
هاشم باقری نژاد *1، مرجان کوچکی رفسنجانی2
1بخش علوم کامپیوتر، دانشکده ریاضی و کامپیوتر، دانشگاه شهید باهنر کرمان، کرمان، ایران
2گروه علوم کامپیوتر، دانشکده ریاضی و کامپیوتر، دانشگاه شهید باهنر کرمان، کرمان، ایران
چکیده مقاله:
گیاهان از پرکاربردترین منابع برای انسان‌ها در زمینه‌های مختلف محسوب می‌شوند، لذا تمایز بین گونه‌های گیاهی امری مهم بوده و از آن به‌عنوان سیستم تشخیص گیاه یاد می‌شود. تاکنون این وظیفه توسط گیاه‌شناسان خبره صورت می‌گرفت که امری طاقت‌فرسا و زمان‌بر می‌باشد. در کنار آن نقصان حافظه و خطای انسانی وجود دارد، لذا محققان کوشیدند با استفاده از الگوریتم‌های هوش مصنوعی معایب مذکور را رفع نمایند. بدین منظور، در این مقاله روشی ارائه می‌گردد که شامل 4 فاز پیش پردازش، استخراج ویژگی، آموزش و دسته‌بندی است؛ به‌طوری‌که، مشخصه‌های مفید شکل برگ، بافت برگ، رنگ برگ را ترکیب‌ کرده و روشی برای تشخیص شماری از گونه‌های گیاهی ارائه می‌شود. در انتها، بردارهای ویژگی تشکیل خواهد شد و سپس با استفاده از الگوریتم شبکه عصبی مصنوعی پرسپترون چند لایه پیش‌خور پس‌انتشار آن‌ها را دسته‌بندی کرده و نتایج به دست آمده را با روش‌های مشابه این زمینه مقایسه نموده و نتایج به‌دست‌آمده گواه عملکرد صحیح برای شمار زیادی از گونه‌ها در شرایط مختلف مانند آفت، تغییر فصول و نورپردازی می‌باشد.
کلیدواژه ها:
تشخیص برگ، استخراج ویژگی، شکل برگ، بافت برگ، رنگ برگ
وضعیت : مقاله برای ارائه شفاهی پذیرفته شده است