داود محمدزمانی؛ سامان سجادیان؛ سید محمد جاویدان
چکیده
با توجه به‌سرعت و دقت بالای تشخیص هوشمند آفات در محصولات انباری، در این پژوهش تشخیص آفت سوسک چهار نقطهای حبوبات توسط تکنیک پردازش تصویر با بهرهگیری از شبکههای عصبی مصنوعی انجام شده است. برای ...
بیشتر
با توجه به‌سرعت و دقت بالای تشخیص هوشمند آفات در محصولات انباری، در این پژوهش تشخیص آفت سوسک چهار نقطهای حبوبات توسط تکنیک پردازش تصویر با بهرهگیری از شبکههای عصبی مصنوعی انجام شده است. برای تهیه تصاویر مناسب، جعبهای شیشهای تهیه و دانههای نخود در مرکز جعبه قرار داده شد. سپس از شش وجه به آن نور تابانده و از تمامی وجوه توسط یک دوربین دیجیتال، از آن عکسبرداری انجام شد. سپس ویژگی تصاویر شامل بافت و لبهها توسط موجک گابور با بکارگیری نرمافزار MATLAB استخراج و به‌عنوان دادههای آموزشی به شبکه عصبی مصنوعی معرفی شدند. برای آموزش شبکه از 69 تصویر نخود آسیب دیده توسط سوسک چهارنقطهای حبوبات و 59 نخود سالم استفاده شد. سپس برای ارزیابی شبکه، یک دسته از دادهها که در آموزش شبکه هیچ نقشی نداشتهاند به عنوان دادههای آزمون، به شبکه اعمال شد و نتایج آن بررسی شد. در این پژوهش از شبکههای عصبی پرسپترون و المن استفاده شد که شبکه پرسپترون نتایج بهتری نسبت‌به شبکه المن داشت. روش پیشنهادی با 17/6 درصد خطای عدم تشخیص و 86/4 درصد خطای تشخیص اشتباه، توانست با نرخ بالایی نخودهای آسیب دیده را آشکارسازی نماید. پس از پردازش تصویر توسط شبکه عصبی و تشخیص نقاط آسیب، میزان آسیب محصول نیز محاسبه شد. بدین‌منظور، سطح آسیب تشخیص داده شده محاسبه و مقدار آن بر مساحت سطح کل دانه نخود تقسیم و درصد آسیب دانهها برابر با 3/2 درصد برآورد شد.
