جستجو
طبقهبندی تصاویر برگ گیاهان با پسزمینه پیچیده با استفاده از الگوریتمهای بهینهسازی کلونی مورچگان و شبکه عصبی
مهدی حسینپور1 تورج محمدپور2
چکیده :
طبقه¬بندی تصاویر برگ گیاهان می¬تواند بهعنوان یکی از گام¬های اساسی در جهت کشاورزی هوشمند در نظر گرفته شود. در مسئله طبقهبندی تصاویر برگ گیاهان با پسزمینه پیچیده، میباست از میان مجموعه ویژگی¬های موجود، بهترین ویژگی¬ها بهمنظور طبقه¬بندی تصاویر انتخاب شوند. مسئله انتخاب ویژگی¬های برتر از میان کل مجموعه ویژگیها، یک مسئله بهینه¬سازی بوده و میتوان از الگوریتم¬های هوشمند برای حل آن استفاده نمود. در این مقاله، یک روش ترکیبی مبتنی بر الگوریتمهای بهینهسازی کلونی مورچگان و شبکه عصبی، برای مسئله طبقه¬بندی تصاویر برگ گیاهان دارای پسزمینه پیچیده ارائه میشود. بطورکلی، برگ گیاهان را می¬توان به دو کلاس اصلی گیاهان با برگ ساده و گیاهان با برگ پیچیده تقسیمبندی نمود. روش ترکیبی پیشنهادی بر روی مجموعه داده استاندارد برگ که دارای دو کلاس گیاهان با برگ ساده و برگ پیچیده می¬باشد، پیادهسازی میشود. در این راستا، سه سناریو اجرایی مختلف در نظر گرفته شده است. سناریوهای اجرایی با معیارهای میزان خطای میانگین مربعات، دقت تشخیص و نرخ خطا مورد ارزیابی قرار گرفته و بهترین سناریو اجرایی بهعنوان سناریو نهایی انتخاب میشود. در نهایت، از طبقهبندهای درخت تصمیم، جنگل تصادفی و K-نزدیکترین همسایه برای مقایسه با روش پیشنهادی استفاده میشود. نتایج بهدست آمده از شبیهسازی نشان میدهد که ترکیب الگوریتم کلونی مورچگان و شبکه عصبی، از عملکرد بهتری در مقایسه با سایر روشها برخوردار است.
کلمات کلیدی : الگوریتم بهینهسازی کلونی مورچگان بهینهسازی شبکههای عصبی طبقهبندی تصاویر برگ گیاهان
زبان مقاله : فارسی
محور مقاله : فناوری های کاربردی هوش مصنوعی و کاربردهای آن در علوم مختلف
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری
آدرس وب سایت کنفرانس : itnaf.ir
کد IOI مقاله : AAHD-ABEBDC
لینک مستقیم مقاله : https://isnac.ir/AAHD-ABEBDC
سایر مقالات محل انتشار
- A Study on Design Understandability and Interaction of the therapy-specific Robots
- طراحی و مهندسی یک حسگر زیستی نوری چند مدی پلاسمونیک مبتنی بر تشدیدگرهای حلقه شکاف برای سنجش جامع آنتیژن
- طراحی یک اسیلاتورکنترل شونده با ولتاژ با نویز فاز بسیار پایین و بازه وسیع فرکانسی با تکنولوژی نانولوله کربنی برای کاربردهای PLL
- یک چارچوب هوشمند آگاه به زمینه برای ارتباطات V2V و V2Iدر شبکههای خودرویی شهرهای هوشمند با استفاده از دادههای ترافیکی شبکه سلولی
- An Ensemble Non-Dominated Feature Selection Method: A Case Study on Prostate Cancer
- تشخیص زودهنگام پوسیدگی دندان با استفاده از شبکههای عصبی
- Simulation and Performance Comparison of Torque Tube and LVDT Sensors in Displacer-Based Level Measurement Systems
- ارتقا سامانه ناوبری پهپاد مهاجر ۶ با استفاده از فناوری
- کاربرد نانوذرات مگنتیت (Fe3O4) در پزشکی (از سنتز تا عملکرد)
- Simulation and Modeling of Floating-Gate Non-Volatile Memory Performance: Focus on Oxide Thickness, Programming Speed, and Charge Transport Mechanisms
- Fraud Analytics with Big Data: A Literature Review on Machine Learning Algorithms in Bankruptcy Prediction and Financial Fraud Detection
- تحلیل آیندهپژوهانه همگرایی هوش مصنوعی، فناوری نانو و فناوری اطلاعات در مسیر تحول صنعتی آینده
- نقش تحول دیجیتال در خدمات کتابخانههای عمومی برای توانیابان جسمی و ذهنی
- Prediction and Optimization of Oxygen Production under Microgravity Conditions Using Machine Learning
- Simulation and Performance Comparison of Ultrasonic, Non-Contact Radar, and Guided Wave Radar Sensors in Level Measurement Systems