تشخیص آفات محصولات کشاورزی مبتنی بر ترکیب شبکه¬های عصبی کانولوشنی و بازگشتی

نویسندگانزهره بابائی ساری,محمدرضا ذوقی
همایشکنفرانس بین المللی پژوهشها و فناوریهای نوین در مهندسی برق
تاریخ برگزاری همایش۲۰۲۳-۰۳-۰۱ - ۲۰۲۳-۰۳-۰۱
محل برگزاری همایش1 - تهران
ارائه به نام دانشگاهدانشگاه علم و فرهنگ
نوع ارائهسخنرانی
سطح همایشبین المللی

چکیده مقاله

فناوری پردازش تصویر در شناسایی آفات به منظور کنترل خسارات محصولات کشاورزی، از اهمیت ویژه ای برخوردار می¬باشد. در سال¬های اخیر استفاده از یادگیری عمیق برای کمک به کشاورزان در شناسایی وطبقه بندی آفات توسعه یافته است. در این پژوهش برای شناسایی آفات محصولات گوجه فرنگی از یک فرآیند چند مرحله¬ای بهره گرفته شده است. در مرحله¬ی نخست عملیات پیش-پردازش بمنظور بهبود داده¬ها صورت می¬گیرد. در گام دوم از شبکه¬های یادگیری عمیق برای استخراج الگو از تصاویر بهره گرفته شده است. شبکه¬ی استفاده شده، ترکیبی از شبکه کانولوشنی و بازگشتی است. بعد از عملیات استخراج الگو جهت طبقه¬بندی آفات از ماشین بردار پشتیبان بهره گرفته شده است. برای ارزیابی روش پیشنهادی از مجموعه داده¬ی استاندارد tomato Pest استفاده گردیده است. بر اساس معیارهای دقت، صحت، فراخوان و معیار F ، نتایج به ترتیب برابر با 98 ، 98، 96 و 95 درصد بدست آمده است.

لینک ثابت مقاله

کلیدواژه‌ها: پردازش تصویر، شبکه های کانولوشنی، شبکه بازگشتی، محصولات کشاورزی، یادگیری عمیق