Identification of some weeds of potato fields using digital image processing and computational intelligence

Hoseininezhad Namin, Seyed Meisam and Abbaspour-Gilandeh, Yousef and Alebrahim, Mohammad Taghi and Afkari-Sayyah, Amir Hossein (2016) Identification of some weeds of potato fields using digital image processing and computational intelligence. Masters thesis, university of Mohaghegh Ardabili.

[img] Text (تشخیص برخی از علف¬های هرز مزارع سیب¬زمینی به کمک پردازش تصویر دیجیتال و هوش محاسباتی)
Seyed Meisam Hoseininezhad Namin.pdf

Download (358kB)
Official URL: http://www.uma.ac.ir

Abstract

Visual computer is one of the modern branches and various artificial intelligence. it combines image process and machinery training tools, computers are able to recognize things, sights and their properties intelligently. On the other hand, it can be an appropriate tool to recognize and separate crop from soil and weeds. The research blends image process and artificial neural network (ANN) in order to identify four type weeds and potato (Agria cultivator). The studied weeds are Amaranthus retroflexus, Lactuca serriola, Chenopodium album and Datura stramonium . The whole processes are done by MATLAB and SPSS software. It is totally earned 20 properties for potato and weeds as for identification parameters which include color, texture and shape properties. The obtained data from image processing are classified by artificial neural network which has multilayer Perceptron and Levenberg-Marquardt Algorithm and discriminant analysis which is consist of a linear classification. Separation accuracy of potato from weeds has been gained in order 84, 80, 92, 96, 80 by discriminante analysis and overall separation accuracy is equaled 86.4%. Although, classified accuracy has been obtained 100 for all weeds and potato and also correct classified rate is 100%.

Item Type: Thesis (Masters)
Persian Title: تشخیص برخی از علف¬های هرز مزارع سیب¬زمینی به کمک پردازش تصویر دیجیتال و هوش محاسباتی
Persian Abstract: بينايي رايانه¬اي يكي از شاخه¬هاي مدرن و متنوع هوش مصنوعي است كه با تركيب روش¬هاي مربوط به پردازش تصوير و ابزارهاي تعلیم ماشيني، رايانه¬ها را به بينايي اشيا، مناظر و درك هوشمند خصوصيات آنها توانا مي¬گرداند و می¬تواند ابزار مناسبی برای تشخیص و جداسازی محصول از خاک و علف¬های هرز باشد. در این تحقیق با تلفیق روش¬های پردازش تصویر و شبکه های عصبی مصنوعی (ANN) اقدام به شناسایی چهار گونه علف هرز و گیاه سیب¬زمینی (رقم آگریا) شد. گونه¬های موردمطالعه¬ی علف¬های¬هرز عبارت بودند از: تاج¬خروس، کاهوی وحشی، سلمه¬تره، تاتوره. تمامی پردازش¬ها توسط نرم افزارهای MATLAB و SPSS انجام گرفت. با توجه به پارامترهای شناسایی شامل شاخصه¬های رنگ، بافت و شکل، در مجموع تعداد 20 ویژگی برای گونه-های علف¬های¬هرز و گیاه سیب¬زمینی بدست آمد. با استفاده از تحلیل تشخیصی (Discriminant Analysis) که یک طبقه¬بند خطی می¬باشد و نیز شبکه عصبی مصنوعی از پرسپترون چندلایه و الگوریتم آموزش لونبرگ- مارکوات، داده¬های حاصل از تحلیل تصویر تحت عمل طبقه¬بندی قرار گرفتند. دقت جداسازی علف¬های هرز و گیاه سیب¬زمینی از روش تحلیل تشخیص به ترتیب برابر 84، 80، 92، 96، 80 درصد و دقت کلی جداسازی برابر 4/86 درصد به¬دست آمد. اما با استفاده از شبکه عصبی، دقت طبقه¬بندی برای تمامی علف-های هرز و گیاه سیب¬زمینی، 100 درصد و نرخ طبقه بندی صحیح نیز برابر 100 درصد حاصل شد.
Supervisor:
SupervisorE-mail
Abbaspour-Gilandeh, YousefUNSPECIFIED
Advisor:
AdvisorE-mail
Alebrahim, Mohammad TaghiUNSPECIFIED
Afkari-Sayyah, Amir HosseinUNSPECIFIED
Subjects: Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem
Divisions > Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem
Divisions: Subjects > Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem
Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem
Date Deposited: 17 Nov 2018 19:14
Last Modified: 12 Dec 2018 16:38
URI: http://repository.uma.ac.ir/id/eprint/1996

Actions (login required)

View Item View Item