مقایسه کارایی سه نوع شبکه عصبی مصنوعی در شناسایی بذر بیست گونه علف هرز

الموضوعات : بوم شناسی علف‌های هرز

محمدرضا باقری ¹ , محمدحسن راشد محصل ² , محمود رضا گلزاریان ³

1 - دانشجوی کارشناسی ارشد علوم و تکنولوژی بذر دانشگاه دانشگاه آزاد اسلامی واحد مشهد
2 - استاد دانشکده کشاورزی دانشگاه آزاد اسلامی واحد مشهد
3 - استادیار گروه مهندسی بیوسیستم دانشگاه فردوسی مشهد

تاريخ الإرسال : 29 الأربعاء , رجب, 1435 تاريخ التأكيد : 22 الثلاثاء , شعبان, 1436 تاريخ الإصدار : 08 الأحد , ذو القعدة, 1436

الکلمات المفتاحية: image processing, هوش مصنوعی, پردازش تصویر, ماشین بینایی, مورفولوژی بذر, طبقه بندی بذر, Artificial Intelligence, Seed classification, Seed morphology, Vision machine,

ملخص المقالة :

این مطالعه به منظور تعیین کارایی سه شبکه عصبی مصنوعی در شناسایی بذر بیست گونه علف هرز از روی تصاویر حاصل از اسکن بذرها انجام شد .برای این منظور پانزده خصوصیت مربوط به شکل و اندازه بذرها توسط نرم‌افزار پردازش تصویر از این تصاویر استخراج و سپس بر مبنای این داده‌ها سه شبکه عصبی شامل: شبکه چند لایه پرسپترون، شبکه پیش‌خور‌تعمیم یافته و شبکه RBF/GRNN/PNN تشکیل شد. پس از مرحله آموزش، شبکه‌ها مورد آزمون قرار گرفتند. در مقایسه نتایج حاصل از آزمون هر سه شبکه مشخص شد که شبکه عصبی پیش‌خور‌تعمیم یافته دارای بالاترین میانگین درصد شناسایی صحیح (90%) و قادر به تشخیص بذر هشت گونه با دقت 100 درصد می‌باشد، کمترین میزان دقت شناسایی توسط آن 52درصد بود. شبکه RBF/GRNN/PNN با کمترین مقدار میانگین شناسایی صحیح (61درصد) فقط توانایی تشخیص چهار گونه را با دقت 100درصد داشت و کمترین میزان شناسایی صحیح توسط آن صفر بود. شبکه چند لایه پرسپترون با میانگین شناسایی 71درصد، کارایی حدواسطی در بین سه شبکه داشت. نتایج نشان دادند که شبکه پیش خور تعمیم یافته در بین سه شبکه مذکور از کارایی بالاتری در شناسایی بذرهای مورد مطالعه برخوردار است.