در توسینسو تدریس کنید

و

با دانش خود درآمد کسب کنید

تشخیص ردیف محصولات مزرعه ذرت با استفاده از سیستم های خبره

این مقاله قصد دارد یک سیستم خبره اتوماتیک براي درستی تشخیص ردیف محصول در مزرعه ذرت بر اساس تصاویر به دست آمده از یک سیستم بینایی طراحی کند. برنامه هاي مختلف در مزرعه ذرت مخصوصاً آنهایی که بر اساس پردازش هاي اختصاصی هستند نیاز به شناسایی ردیف محصول دارند. سیستم بینایی با هندسه تعریف شده طراحی شده است و یک پردازنده بر روي یک وسیله نقلیه همراه کشاورزي نصب شده است یعنی تحت تاثیر ارتعاشات و ترازگر و یا حرکات کنترل نشده قرار می گیرد.

ردیف هاي محصول را می توان با استفاده از پارامترهاي هندسی تحت برآورد تصویر طرح چشم انداز تخمین زد. از آنجا که از اثرات نامطلوب فوق اغلب، نتایج نادرست است. سیستم خبره مطرح شده از دانش انسانی که بر پایه تکنیک پردازش تصویر و به صورت دو ماژول است استفاده می کند. اولی براي جدا کردن محصولات و علف هاي هرز از سایر موارد مثل خاك، سنگ و... دومی براساس هندسه سیستم است که در آن انتظار می رود خطوط محصول بر روي تصویر نقشه برداري تنظیم شده باشد و از طریق برآورد تیل-سن به خوبی تست شده باشد. عملکرد این سیستم خبره در برابر ضریب همبستگی پیرسون گشتاوري کلاسیک مطلوبتر است.


1 مقدمه

سیستم بینایی ماشین پردازنده روبات بطور فزاینده براي پردازش هاي اختصاصی در زمین هاي کشاورزي استفاده می شود. به این ترتیب روبات بر روي یک منطقه اي بزرگ از زمین که در آن سیستم بینایی می تواند، اطلاعات فراوانی فراهم کند مسیریابی و فعالیت می کند. البته مسئله مهم این است که در رابطه با استفاده از روش بینایی ماشین مربوط به تشخیص سطر محصول و تشخیص علف هرز بوده که مطالعات زیادي در این مناطق زراعی انجام شده است.هدف این است که علف هاي هرز را به نفع رشد محصولات حذف کنیم.

سیستم بینایی شامل یک دوربین کالیبره مبتنی بر (CCD) با پارامترهای شناخته شده ذاتی که از جمله:فاصله کانونی،لنز،مرکز تصویر،اندازه حسگر،پیکسل دوربین را دارا می باشد.بنابراین روبات در مقابله با زاویه شیب زمین و همچنین بالاتر از زمین قرار دارد.انحراف و زاویه رول نیز برای تعیین چرخش بنابر تعریف پارامترهای بیرونی و مشخص شده می باشد.پس بنابر انچه که گفته شد با استفاده از عکس های هوایی می توان به هدفی همچون یک سیستم خبره خودکار مبتنی بر تشخیص صحت ردیف محصول در مزارع ذرت رسید،که به این معنی می باشد با توجه به موقعیت مکانی یک عنصر در این زمین می توانیم موقعیت ان را در تصویر بیان کنیم.

حال این روبات در زمین واقعی تمامی ناهمواری و بی نظمی هایی که در ردیف های مزارع ذرت وجود دارد را مسیریابی می کند که این نوسان یاعث می شود زمین باعث کمی لرزش و تغییر زاویه رول شود.اما با این وجود زاویه انحراف درست فرض می شود،زیرا در غیر این صورت روبات ردیف محصولات ذرت را به اشتباه مسیر یابی می کند.از انجا که در تصویر هوایی اغلب ردیف محصول با تصویر واقعی ان ها در نقشه برداری واقعی مطابقت ندارد،انتظار می رود این براورد نادرست مانع استفاده از پردازش های اختصاصی درست زمین باشد،از سوی دیگر تبعیض بین محصولات و علف های هرز در تصویر یک مشکل بسیار جدی می باشد،زیرا طبف ابی،سبز،قرمز،ان ها مشابه است.

و به این معناست که هیچ تبعیضی بین محصولات و علف های هرز بر اساس طیفی نیست.بنابراین بهترین گزینه برای قرار دادن ردیف محصول در تصویر با حداکثر دقت و صحت امکان پذیر می باشد.در واقع اگر ردیف محصول به خوبی قرار گرفته باشد پیکسل های همراه و در اطراف خط به عنوان محصولات و بقیه به عنوان علف های هرز در نظر گرفته می شود.

چندین استراتژی برای تشخیص ردیف محصولات ارائه شده است،الگوریتم تشخیص که چهار موقعیت را برای تعیین زاویه ای دقیق و موقعیت دوربین با توجه به مجموعه ای از ردیف های مصنوعی از علف های هرز شبیه سازی شده بود که مورد ازمایش قرار گرفتند.قسمت بسیار مهم تقسیم بندی تصویر است تقسیم بندی تصویر بر روی جدایی گیاهان سبز(محصولات و علف های هرز)،از بقیه (خاک و سنگ)متمرکز شده است.حال این تقسیم بندی به صورت زیر می باشد:

  1. تصویر اصلی
  2. تصویر گرفته شده از تصویر اصلی بر اساس مقیاس خاکستری
  3. تصویر باینری
بعد از تقسیم بندی تصویر به ردیابی خطوط منتظره می پردازیم:

روبات در عرصه های ناهموار یا بی نظمی به طور فراوانی مسیریابی می کند،پس پارامترهای بیرونی از سیستم بینایی کافی نیست.زیرا دوربین به طور مداوم در یک نوسان دائمی درگیر است.پس روش پیشنهادی ما روش رگریسون تیل- سن است،به دلیل اینکه عملکرد خوبی در را در ازمایش و امار خود نشان داده است.ترتیب ردیف محصول در زمین شناخته شده، پارامترهای درونی و بیرونی و همچنین مکان ردیف محصول در عکس، انتظار قابل قبولی را در پی دارد.ربات در زمین های زراعی ناهموار با بی نظمی فراوان مسیریابی می کند.

پس دانش پارامترهاي بیرونی از سیستم بینایی کافی نیست، زیرا دوربین به طور مداوم در یک نوسانی دائمی درگیر است. پس روش پیشنهادی ما استفاده از از روش برآورد رگرسیون تیل-سن، به دلیل اینکه عملکرد خوبی در آزمایش خود و هم چنین آمار قابل قبولی را نشان داده است.از آنجا که ترتیب ردیف محصول در زمین شناخته شده می باشد،لذا پارامترهاي سیستم از جمله دوربین بیرونی و درونی،و مکان ردیف محصول، انتظار می رود که در این عکس بتواند خطوط شناخته شده بر روي تصویر را شناسایی و نقشه برداری کند.یک نکته از سیستم ایده آل خطوط که مطابقت و هم تداخل ردیف محصول واقعی در حین تصویربرداري را حفظ می کند می توان استفاده کرد،با این وجود، با توجه به چارچوب ناهموار و خطا در چیدمان ردیف محصول در طول کاشت، این سیستم کمی مشکل و اغلب رخ نمی دهد.


مرتضی پاک نیت
موفق باشید.

#محصولات_زراعی_ذرت #سیستم_خبره_خودکار #تشخیص_صحت_ردیف
0 نظر

هیچ نظری ارسال نشده است! اولین نظر برای این مطلب را شما ارسال کنید...

نظر شما
برای ارسال نظر باید وارد شوید.
از سرتاسر توسینسو
تنظیمات حریم خصوصی
تائید صرفنظر
×

تو می تونی بهترین نتیجه رو تضمینی با بهترین های ایران بدست بیاری ، پس مقایسه کن و بعد خرید کن : فقط توی جشنواره پاییزه می تونی امروز ارزونتر از فردا خرید کنی ....