دوره 18، شماره 115 - ( 1400 )                   جلد 18 شماره 115 صفحات 169-157 | برگشت به فهرست نسخه ها

‎ 10.52547/fsct.18.115.12

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Hadipour rokni R, Askari Asli-Ardeh E, sabzi S, Esmaili paeen- Afrakoti I. Detection of snail pest in citrus orchard under different lighting conditions using deep neural networks. FSCT 2021; 18 (115) :157-169
URL: http://fsct.modares.ac.ir/article-7-48377-fa.html
هادی پور رکنی رمضان، عسکری اصلی ارده عزت اله، سبزی سجاد، اسمعیلی پایین افراکتی ایمان. تشخیص آفت حلزون در باغ مرکبات تحت شرایط نورپردازی متفاوت با استفاده از شبکه‌های عصبی عمیق. مجله علوم و صنایع غذایی ایران. 1400; 18 (115) :157-169

URL: http://fsct.modares.ac.ir/article-7-48377-fa.html

تشخیص آفت حلزون در باغ مرکبات تحت شرایط نورپردازی متفاوت با استفاده از شبکه‌های عصبی عمیق
رمضان هادی پور رکنی1 ، عزت اله عسکری اصلی ارده 2، سجاد سبزی3 ، ایمان اسمعیلی پایین افراکتی4
1- دانشجوی دکتری، گروه مهندسی مکانیک بیوسیستم، دانشگاه محقق اردبیلی، اردبیل، ایران
2- دانشیار، گروه مهندسی مکانیک بیوسیستم، دانشگاه محقق اردبیلی، اردبیل، ایران ، ezzataskari@uma.ac.ir
3- پژوهشگر پسادکتری، گروه مهندسی مکانیک بیوسیستم، دانشگاه محقق اردبیلی، اردبیل، ایران.
4- استادیار، گروه مهندسی برق، دانشگاه مازندران، بابلسر، ایران
چکیده:   (1536 مشاهده)
دفع آفات و امراض جزء مهمترین عملیات در مرحله داشت مرکبات محسوب می‌شود. امروزه تحقیقات زیادی در زمینه تشخیص آفات و بیماری‌های گیاهی با به‌کارگیری روش‌های ماشین بینایی انجام شده است. یکی از مشکلاتی که باعث کاهش دقت ماشین برای تشخیص آفات در شرایط مزرعه‌ای می‌شود، وجود عوامل نامساعد از قبیل سایه و تغییرات شدت نور در ساعات مختلف روز می‌باشد. در این پژوهش به‌منظور یافتن شدت نور مناسب در ساعات مختلف روز از نورپردازی به‌وسیله یک لامپ در محل تصویربرداری استفاده شده است. برای تشخیص درختان آلوده به آفت حلزون از روش یادگیری عمیق با سه نوع الگوریتم‌ بهینه‌ساز نسبتا قوی یعنی RMSProp، Adam و SGDm استفاده شد. برای بررسی و آزمون الگوریتم‌های مورد استفاده، تعداد 8000 تصویر در 9 شرایط مزرعه‌ای و یک حالت آزمایشگاهی مورد بررسی قرار گرفت. در شرایط مزرعه‌ای، کمترین مقدار دقت تشخیص الگوریتم‌ها با 32/64 درصد مربوط به تصویربرداری در روز ابری با شدت نور 350 الی 700 لوکس و با استفاده ازالگوریتم  RMSPropحاصل شد، ولی با ایجاد شدت نور کنترل شده به‌وسیله لامپ (تقربیا 9000 لوکس)، دقت تشخیص با استفاده از الگوریتم SGDm تا 25/95 درصد بهبود یافت. در شرایط آزمایشگاهی که تصاویر در محیطی کنترل شده با شدت نور ثابت تهیه شده بود، استفاده از الگوریتم SGDm، دقت تشخیص را تا مقدار 73/98 درصد ارتقاء داد.
واژه‌های کلیدی: کلیدواژه: مرکبات، آفت حلزون، تشخیص هوشمند، پردازش تصویر، یادگیری عمیق
متن کامل [PDF 1106 kb]   (682 دریافت)    
نوع مقاله: پژوهشی اصیل | موضوع مقاله: ماشین آلات صنایع غذایی
دریافت: 1399/9/25 | پذیرش: 1400/1/25 | انتشار: 1400/6/15
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.