این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۵، شماره ۲، صفحات ۸۵-۱۰۲
عنوان فارسی پیش بینی و کنترل محتوای رطوبت گیاه چمن توسط یک سامانه هوشمند با بکارگیری پردازش تصویر و الگوریتم رگرسیون بردار پشتیبان
چکیده فارسی مقاله با توجه به تغییرات زیست‌ محیطی و افزایش دمای جهانی و همچنین خشک سالی، نحوه آبیاری گیاهان ضمن حفظ رشد و عملکرد بالای آنها بسیار حائز اهمیت است. لذا در این شرایط حساس بحران آب، با نظارت و کنترل شرایط رشد گیاه و همچنین افزایش راندمان آبیاری از طریق تبدیل روشهای آبیاری سطحی به سیستمهای آبیاری هوشمند میتوان به صورت قابل توجهی مصرف آب در بخش کشاورزی را کاهش داد. در این مطالعه با هدف تشخیص نیاز آبی گیاه، مجموعه ای از تصاویر گیاه چمن تحت شرایط تنش خشکی جهت استخراج ویژگی های رنگی، بافت و تعدادی از پارامترهای تصویر در حوزۀ فرکانس مورد بررسی قرار گرفتند. در ادامه پس از بررسی پارامترهای استخراج شده از تصاویر با توجه به نتایج آنالیز آماری در سطح احتمال 5% مناسبترین ویژگی ها به منظور پیش بینی محتوای رطوبت گیاه توسط الگوریتم رگرسیون بردار پشتیبان (SVR) انتخاب گردید. در نهایت نشان داده شد که هسته Linear در تابع الگوریتم SVR نسبت به سایر هسته ها دارای بالاترین ضریب همبستگی (0/95) و همچنین کمترین مقادیر MAPE (14/08)، RMSE (0/01)، SRE (0/063) و RAV (0/14) است. بدین ترتیب نتیجه گرفته شد که سامانۀ پیشنهاد شده از کارآیی مناسبی به منظور اندازه‌گیری و سنجش پژمردگی گیاه و کنترل میزان آب مورد نیاز آن برخوردار می باشد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Prediction and Control of the Water Content of the Turfgrass Plant by an Intelligent System Using Image Processing and Support Vector Regression Algorithm
چکیده انگلیسی مقاله Due to the environmental changes and increasing global temperature and drought conditions, irrigation of plants along with theirs protection of growth as well as high yield is very important. Therefore, water consumption can be reduced significantly in agriculture by monitoring and control of plant growth conditions and increase the irrigation efficiency through the conversion of surface irrigation methods to smart irrigation systems in the situation of water crisis. In this study, to detect plant water requirement, a set of turf grass plants images were taken and studied under drought stress conditions to extract the color, texture and number of features in the frequency domain. Thereafter, all the extracted parameters of images were investigated, then, according to the results of statistical analysis (p< 0.05), most appropriate features were selected to predict water content of plant by support vector regression algorithm (SVR). Finally, it was shown that the linear kernel function of SVR algorithm has the highest correlation coefficient (0.95) and the lowest values of MAPE (14.08), RMSE (0.10), SRE (0.063) and RAV (0.14) compared to other kernels. Thus, this indicated that the ability of suggested system to measure and evaluate wilting plant conditions and control of required water for plant.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مریم نداف زاده |
دانشجوی کارشناسی ارشد، دانشکده مهندسی زراعی و عمران روستایی، گروه مکانیک بیوسیستم، دانشگاه کشاورزی و منابع طبیعی رامین خوزستان

سامان آبدانان مهدی زاده |
دانشکده مهندسی زراعی و عمران روستایی، گروه مکانیک بیوسیستم، دانشگاه کشاورزی و منابع طبیعی رامین خوزستان

محمد رضا صالحی سلمی |
دانشکده کشاورزی، گروه باغبانی، دانشگاه کشاورزی و منابع طبیعی رامین خوزستان

نشانی اینترنتی http://jmvip.sinaweb.net/article_52256_3d704d7cffb646f346ae16e2e33efaaf.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1041/article-1041-1258342.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات