محمد شاکر
چکیده
هدف از این پژوهش، ساخت و ارزیابی سامانۀ بینایی ماشین برای تعیین درصد شکستگی و تعداد بذر گندم است. این سامانه از سه بخش مکش، نمونهبرداری و تصویربرداری تشکیل و برای دو رقم گندم ترابی و آذر ارزیابی شده است. در هر رقم گندم، عملکرد دستگاه مکش، با دو صفحۀ بذر و چهار مقدار مکش بررسی شد. در هر مقدار مکش، تعداد بذرهای جدا شده و بذرهای ...
بیشتر
هدف از این پژوهش، ساخت و ارزیابی سامانۀ بینایی ماشین برای تعیین درصد شکستگی و تعداد بذر گندم است. این سامانه از سه بخش مکش، نمونهبرداری و تصویربرداری تشکیل و برای دو رقم گندم ترابی و آذر ارزیابی شده است. در هر رقم گندم، عملکرد دستگاه مکش، با دو صفحۀ بذر و چهار مقدار مکش بررسی شد. در هر مقدار مکش، تعداد بذرهای جدا شده و بذرهای به هم چسبیده روی هر سوراخ شمارش و درصد آنها محاسبه شد. تصویر تهیه شده توسط دوربین دیجیتال، به محیط نرمافزار متلب منتقل و الگوریتم تعیین درصد شکستگی و تعداد بذر گندم کدنویسی و ارائه شد. نتایج بررسیها نشان داد که مناسبترین تیمار برای گندم رقم ترابی، صفحۀ بذر با سوراخ 1 میلیمتر و مکش 100- میلیمتر جیوه با درصد بذرهای جدا شده 31/95 و درصد بذرهای به هم چسبیده 69/4 است. برای رقم آذر، صفحۀ بذر با سوراخ 1 میلیمتر و مکش 120-میلیمتر جیوه با درصد بذرهای جدا شده 6/91 و درصد بذرهای به هم چسبیده 4/8 مناسبترین تیمار است. نتایج اعتبارسنجی الگوریتم نشان داد که دقت آن برای تعیین درصد شکستگی و تعداد بذر گندم به ترتیب برابر با 33/85 و 76/98 درصد است.
هادی اورک؛ سامان آبدانان مهدی زاده
چکیده
یکی از هدفهای کشاورزی دقیق به حداقل رساندن حجم علفکش با استفاده از سیستمهای مدیریتی علفهای هرز است. برای رسیدن به این هدف، سیستمی مبتنی بر پردازش تصویر بهمنظور تشخیص علفهای هرز در شرایط کنترل شده توسعه یافت. در این روش پیشنهادی از فضای رنگی HSV برای ایجاد تمایز بین پوشش گیاهیو پسزمینه و بین محصول مورد نظر و علفهای ...
بیشتر
یکی از هدفهای کشاورزی دقیق به حداقل رساندن حجم علفکش با استفاده از سیستمهای مدیریتی علفهای هرز است. برای رسیدن به این هدف، سیستمی مبتنی بر پردازش تصویر بهمنظور تشخیص علفهای هرز در شرایط کنترل شده توسعه یافت. در این روش پیشنهادی از فضای رنگی HSV برای ایجاد تمایز بین پوشش گیاهیو پسزمینه و بین محصول مورد نظر و علفهای هرز استفاده گردید. در این پژوهش از کانال رنگی H از فضای رنگی HSV برای آستانهبندی خودکار و برخط پسزمینه (خاک) و پیشزمینه (علفهای هرز) استفاده شد که با اعمال فرسایش و اتساع مناسب، ناحیۀ مربوط به علفهای هرز و خاک شناسایی و آستانهبندی گردید. بر اساس نتایج بهدست آمده از آزمایش تشخیص علفهای هرز/چغندرقند، عملکرد (میزان تشخیص صحیح علفهای هرز) 94 درصد مشاهده شد. این سامانۀ هوشمند، در مقایسه با سمپاشهای معمولی (سمپاش Buferagri)، در آزمایش مزرعهای بهدلیل استفاده از فناوری بینایی کامپیوتر، مصرف محلول سم را 86/67 درصد کاهش داد. بنابراین استفاده از این روش به عنوان یک سامانه سمپاش هوشمند در مزارع چغندرقند پیشنهاد میشود.