این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۹، شماره ۳، صفحات ۴۹-۶۳
عنوان فارسی تشخیص هوشمند تاسل در تصاویر پهپادی با استفاده از یادگیری عمیق برای تعیین تاریخ گل دهی
چکیده فارسی مقاله تخمین عملکرد و بررسی روند رشد در گونه­ های مختلف از یک محصول در کشاورزی دقیق برای محققین و کارشناسان حوزه کشاورزی بسیار حائز اهمیت است. در این مقاله روشی نوین مبتنی بر یادگیری عمیق تک مرحله­ ای به نام GP-YOLOv5 برای شناسایی خودکار تاسل در تصاویر پهپادی از یک مزرعه بزرگ ذرت در تاریخ­های مختلف رشد و تخمین زمان گل­دهی ارائه شده است. در این راستا ابتدا به دلیل رشد تعداد کمی از تاسل­ها در مراحل اولیه رشد برای داده افزایی از شبکه مولد متخاصم GP-GAN استفاده شد. سپس برای شمارش و تشخیص تاسل­ ها ساختار و پارامترهای آشکارساز YOLOv5 برای افزایش دقت مطابق با پایگاه داده اصلاح شد. در ادامه شمارش گیاهان در مراحل اولیه کاشت به عنوان یک پارامتر مهم در تعیین تاریخ گل­دهی در نظر گرفته شد. شمارش گیاهان با استفاده از آشکارساز CenterNet انجام شده است و از الگوریتم ­های درون­یابی و پیش بینی برای تعیین تاریخ گل­دهی استفاده شد. روش پیشنهادی با دو روش معتبر مبتنی بر تشخیص CenterNet و روش مبتنی بر رگرسیون TasselNetv2+ برای شمارش تاسل­ ها مقایسه شد. دقت میانگین در تشخیص صحیح تاسل­ ها در روش پیشنهادی 81/96 و در روش CenterNet، 78/81 درصد است که نشان می­دهد دقت روش پیشنهادی بالاتر از روش CenterNet است.
کلیدواژه‌های فارسی مقاله شبکه‌های مولد متخاصم، یادگیری عمیق، YOLOv5، شناسایی تاسل، تخمین تاریخ گل دهی،
عنوان انگلیسی Automatic Tassel Detection to Estimate Flowering Date in the UAV Images using Deep Learning Techniques
چکیده انگلیسی مقاله Estimating crop yields and examining growth trends in different species of a crop in precision agriculture is very important for researchers and agricultural experts. In this article, a new technique based on one-stage objection detection called GP-YOLOv5 for automatic tassel detection in the UAV images of a large maize field at different growing stages and flowering date estimation is presented. Because of the existing small number of tassels in the early stages of growth, GP-GAN is used to augment the training data. After that, the hyperparameters of the YOLOv5 are optimized to increase the tassel detection accuracy. Plant counting using CenterNet in the early stage of growth is calculated to determine the flowering date. Finally, well-known interpolation and prediction algorithms are used to estimate the flowering date. The proposed method is compared with two state-of-the-art methods based on detection “CenterNet” and regression “TasselNetv2+” technique for tassel counting. The average accuracy of GP-YOLOv5 for tassel detection is around 96.81 % and for the CenterNet method, it is around 81.78 %, which indicates that the accuracy of the proposed method is higher than the CenterNet technique.
کلیدواژه‌های انگلیسی مقاله شبکه‌های مولد متخاصم, یادگیری عمیق, YOLOv5, شناسایی تاسل, تخمین تاریخ گل دهی
نویسندگان مقاله سیده فروه موسوی |
آزمایشگاه پردازش تصویر و رباتیک، دانشکده فیزیک، دانشگاه شهید باهنر کرمان

اعظم کرمی |
دانشکده فیزیک، دانشگاه شهید باهنر کرمان

نشانی اینترنتی https://jmvip.sinaweb.net/article_141101_718a915d8e40811fa014dff19fc9be14.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
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