ارائه یک سیستم بینایی ماشین مبتنی بر طبقه‌بند فراابتکاری به‌منظور طبقه‌بندی دو نوع علف‌هرز

نویسندگان

چکیده

سم‌پاشی خاص مکانی یک روش جدید به منظور مبارزه با علف‌های هرز می‌باشد. به همین دلیل، در این مطالعه یک سیستم بینایی ماشین مبتنی‌بر پردازش ویدئو و طبقه‌بند فراابتکاری به‌منظور تشخیص برخط گیاه سیب‌زمینی و دو نوع علف‌هرز خرفه و توق در مزارع سیب‌زمینی پیشنهاد شد. به‌منظور آموزش سیستم بینایی ماشین پیشنهادی، ? هکتار زمین سیب‌زمینی رقم مارفونا در استان کرمانشاه به‌منظور فیلم‌برداری انتخاب شد. بعد از استخراج خصوصیاتی در حوزه‌های خصوصیات رنگی و توصیفگرهای طیفی بافت با استفاده از دو روش هیبرید شبکه‌عصبی مصنوعی – کلونی مورچگان و هیبرید شبکه‌عصبی مصنوعی – ازدحام ذرات، خصوصیات مؤثر انتخاب گردیدند. درنهایت با تحلیل نتایج حاصل از طبقه‌بندی خصوصیات انتخابی توسط هر یک از دو روش مذکور، خصوصیات انتخابی با استفاده از روش هیبرید شبکه‌عصبی مصنوعی – ازدحام ذرات به‌منظور استفاده در سیستم بینایی ماشین پیشنهادی انتخاب شدند. خصوصیات انتخابی عبارت‌اند از شاخص رنگی برای پوشش گیاهی استخراجی در فضای رنگی YCbCr، شاخص مولفه دوم اضافی فضای رنگی HSV، کنتراست مولفه اول و دوم فضای رنگی HSV، میانگین مولفه اول فضای رنگی HSI، میانگین S(r). نتایج طبقه‌بندی نشان داد که روش هیبرید شبکه عصبی مصنوعی – الگوریتم تکامل تفاضلی با دقت بالای ?? درصد قادر به شناسایی گیاه سیب‌زمینی و دو نوع مختلف از علف‌های هرز می‌باشد. در نهایت سیستم بینایی ماشین در مزرعه تست گردید و با سرعت ??/? متر در ثانیه اقدام به طبقه‌بندی نمود.

کلیدواژه‌ها

عنوان مقاله [English]

Providing a machine vision system based on meta-heuristic classifier to classify two weed types

نویسندگان [English]

  • Yousef Abbaspour-Gilandeh
  • Sajad Sabzi
  • Hosein Javadikia

چکیده [English]

Site-specific spraying is a new method to weed exclusion. For this reason, a machine vision system is suggested in this study based on video processing and meta-heuristic classifier for online identification of potato plant and two types of weeds PortulacaOleracea, and Xanthium strumarium. In order to train the suggested machine vision system, ? hectares of lands of Marfona potato in Kermanshah province were selected for filming. After extracting some features in fields of color features and spectral descriptors of texture using two methods of hybrid artificial neural network - ant colony (ANN-ACO) and hybrid artificial neural network - Particle swarm optimization (ANN-PSO), the effective features were selected. Finally, by analyzing the results of selected features set by each of the two mentioned methods, the selected features were selected using method of artificial ANN-PSO in order to use in machine vision system. Selected features were color index for vegetation cover in YCbCr color space, the extra second component index in HSV color space, the first and second component contrast in HSV color space, the mean of first component in HSI color space and the mean of S(r). The results of classification showed that method of hybrid artificial neural network - Differential Evolution (ANN-DE) with high accuracy of ??% is able to identify potato plant and two different types of weeds.

کلیدواژه‌ها [English]

  • Weeds
  • Site-specific spraying
  • Classification
  • Machine vision