این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی بیوسیستم ایران، جلد ۴۸، شماره ۴، صفحات ۴۰۷-۴۱۸
عنوان فارسی تعیین مناسب‌ترین فضای رنگی به منظور تعیین تنش آبی در گیاهان گلخانه‌ای به صورت هوشمند (مطالعه موردی: حُسنِ‌یوسف)
چکیده فارسی مقاله تخمیندقیق میزان آب مصرفی گیاه به عوامل بسیاری وابسته است که درصد پوشش سبز گیاه یکی از مؤثرترین پارامترها می‌باشد. از پردازش تصاویر دیجیتال و بینایی ماشین می­توان به منظور اندازه­گیری این پارامتر در برنامه­های مدیریت آب در کشاورزی به طور گسترده استفاده نمود. در این پژوهش مجموعه­ای از تصاویر گیاه زینتی حُسنِ­یوسف در دو وضعیت (شاداب و پژمرده) جهت تجزیه و تحلیل پیکسل­ها و مقایسه فضاهای رنگ پیشنهاد شده با هدفِ تشخیص نیاز آبی گیاه مورد بررسی قرار گرفتند؛ فضاهای رنگی مورد بررسی عبارتند از: RGB، rgb، XYZ، Lab، UVL، HSV، HLS، YCbCr، YUV، TSL و.I1I2I3  هر فضای رنگی شرایط مختلفی از احتمال توزیع یک گروه رنگ را ارائه می­دهد، بدین ترتیب پس از بررسی فضاهای رنگی با توجه به نتایج آنالیز آماری در سطح احتمال 5% و با کمک ترسیم داده­ها و مقایسه بصری آن­ها، مناسب­ترین فضاهای رنگی انتخاب گردید. نهایتاً فراوانی شدت­های فضای رنگی مطلوب جهت آموزش طبقه­بند بیز مورد استفاده قرار گرفتند که در این حالت طبقه­بند بیز با دقت کلی 11/83 درصد دو وضعیت شاداب و پژمرده گیاه را از یکدیگر تشخیص داد. در نتیجه بر اساس اطلاعات حاصل از نمودارهای هیستوگرام تصاویر (فراوانی سطوح شدت تصاویر) وضعیت نیاز گیاه به آبیاری قابل تشخیص می‌باشد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Determination of the most suitable color space for intelligent water stress discrimination for plants inside the greenhouse (Case Study: Coleus)
چکیده انگلیسی مقاله A precise estimation of required water for plant depends on many factors, among which the percentage of ground cover is a key parameter. Digital image processing and machine vision can be widely used to obtain this parameter in irrigation management applications. The aim of this study was to recognize the required water for plants based on color parameters of plants' ground cover; therefore, different color spaces (RGB, rgb, XYZ, HSV, HLS, L*a*b, L*u*v*, YCbCr, YUV, TSL and I1I2I3) were applied on the set of ornamental shrub images with the scientific name of Plectranthusscutellarioides in two positions (fresh and wilting).Each color space demonstrated different probability distribution ofa given color class corresponded to two plant conditions (fresh and wilting). Thus, after examining the color spaces, both statistically and visually, the suitable color spaces were selected. Finally, histograms of suitable color spaces have been used to train the Bayesian Classifier. The Bayesian classifier detected two conditions of plant (fresh and wilting) with precision 83.11%. In general, on the basis of information obtained from images histograms, (frequency of pixels' intensity) plantswater status for irrigationschedulingwas recognizable.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مریم نداف زاده | naddaf zadeh
دانشگاه رامین خوزستان

سامان آبدانان مهدی زاده |
دانشگاه رامین خوزستان

نشانی اینترنتی https://ijbse.ut.ac.ir/article_63806_62a65a5947a851bb62cdf6d4964a86d0.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1228/article-1228-506421.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