شناسایی و طبقه‌بندی هوشمند کمبود مواد مغذی در درختان پسته با استفاده از ماشین‌بردار پشتیبان

نوع مقاله : مقاله پژوهشی

نویسندگان

چکیده

کمبود مواد مغذی، یکی از چالش‌های اساسی در رشد درختان و گیاهان است. برای افزایش تولید محصولات با کیفیت، شناسایی به موقع کمبود مواد مغذی امری ضروری است. انجام ندادن به‌موقع این مهم موجب کاهش بهره‌وری و وارد شدن خسارات بعضاً جبران‌ناپذیر برای کشاورزان خواهد شد. روش سنتی برای این‌کار، بررسی چشمی برگ، تجزیه خاک و روش‌های آزمایشگاهی است، که به افراد خبره و وقت و هزینه‌های زیادی نیاز دارد. این روش در اغلب موارد مقرون‌به‌صرفه نیست. در دنیای امروز استفاده از هوش مصنوعی و یادگیری ماشین در تمامی حوزه‌های مختلف بسیار مورد توجه قرار گرفته است. در این پژوهش ضمن جمع‌آوری داده و برچسب‌گذاری آن‌ها، یک روش خودکار و هوشمند مبتنی بر پردازش تصویر و یادگیری ماشین برای تشخیص کمبود مواد مغذی در درختان پسته ارائه شده است. در ابتدا با تصویربرداری از برگ‌های مختلف، داده‌های مناسب جمع‌آوری و برچسب‌گذاری شده است تا سیستم هوشمند آموزش داده شود. مراحل اصلی در سیستم‌ پیشنهادی شامل: پیش‌پردازش، شناسایی نواحی دارای کمبود، استخراج ویژگی و طبقه‌بندی نوع کمبود در هر ناحیه است. در مرحله استخراج ویژگی از خصوصیات آماری رنگ تصویر ازجمله میانگین، انحراف معیار، آنتروپی، مقدار موثر، واریانس و همچنین ویژگی‌های بافت تصویر مانند همواری، کنتراست، همبستگی و انرژی بهره گرفته شده ‌است. در نهایت به‌وسیله‌ی طبقه‌بندی کننده معروف ماشین‌بردارپشتیبان، کمبود‌ها طبقه‌بندی شده است. ارزیابی‌های انجام شده بر روی داده‌های واقعی، کارایی سیستم پیشنهادی با دقت ??% و موثر بودن آن برای کاربردهای واقعی را نشان می‌دهد.

کلیدواژه‌ها

فایل ها

هم رسانی

ارجاع به این مقاله

آمار