تعیین میزان آلودگی توده بذر یونجه به سس با روش تحلیل تصویر دیجیتال و شبکه عصبی مصنوعی

نویسندگان

چکیده

گیاه سس از علف‌های هرز یونجه است. بهترین راه مبارزه با سس،‏ جلوگیری از آلودگی مزارع به بذر این گیاه است. هم‌اکنون در بسیاری از مراکز تکثیر و گواهی بذر،‏ درصد سس موجود در بذر یونجه به روش دستی و با بینوکولر محاسبه می‌شود که علاوه بر صرف وقت و هزینه زیاد،‏ دقت کمی دارد. در این پژوهش یک روش رایانه‌ای،‏ مبتنی بر پردازش تصویر و به کارگیری شبکه عصبی مصنوعی برای محاسبه درصد سس مخلوط با بذر یونجه طراحی شد. بدین منظور تصویرهایی از مخلوط بذر یونجه و سس تهیه شد و سپس در محیط نرم‌افزار MATLAB با به کارگیری حد آستانه مناسب،‏ بذور از سطح زمینه جدا شدند. در مرحله بعد با استفاده از روابط هندسی،‏ ویژگی‌های ابعادی بذور یونجه و سس استخراج و به‌عنوان ورودی‌های شبکه‌ عصبی درنظر گرفته شدند. برای انتخاب مناسب‌ترین توپولوژی شبکه‌های عصبی،‏ انواع مختلف شبکه با توابع انتقال و یادگیری مختلف و تعداد نرون‌های متفاوت بررسی شد و درنهایت توپولوژی 1-5-4 با تابع انتقال لگاریتم سیگموئید (Logsig)‎ و تابع یادگیری GDX انتخاب شد. این شبکه قادر به تشخیص درصد بذر سس با ضریب تعیین 956‎/0 و ریشه میانگین مربعات خطای 017‎/0 است.

کلیدواژه‌ها