کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6539514 1421100 2018 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Improved image processing-based crop detection using Kalman filtering and the Hungarian algorithm
ترجمه فارسی عنوان
بهبود تشخیص زراعت بر اساس پردازش تصویر با استفاده از فیلتر کلمن و الگوریتم مجارستانی
کلمات کلیدی
پردازش تصویر، ویجت هوشمند الگوریتم ردیابی، فیلتر کلمن، الگوریتم مجارستانی، شناسایی محصول،
ترجمه چکیده
در حال افزایش علاقه به استفاده از تکنیک های پردازش تصویر برای کشف محصول در برنامه های هوشمند وجین وجود دارد. یک سیستم موثر برای شناسایی محصول نیاز به درجه بالایی از سازگاری با شرایط چالش برانگیز مانند شرایط آب و هوایی مختلف و شرایط جذب تصویر (ارتعاش، تغییرات سرعت و غیره) دارد. برای رسیدن به هدف یک سیستم تشخیص زراعی قوی، ما یک الگوریتم تشخیص قبلی را توسعه دادیم که براساس ترکیبی از تجزیه و تحلیل فضای رنگی و شکل، از طریق افزودن ردیابی شیء است. در حالی که الگوریتم قبلی به طور کلی عملکرد خوبی داشت، عملکرد در شرایط آفتابی به میزان قابل توجهی نبود، باز امکان بهبود را داشت. الگوریتم ردیابی شامل دو مرحله است. در مرحله اول، از فیلتر کالمن برای پیش بینی موقعیت جدید یک شی (یک گل کلم در این مورد) در توالی ویدیو استفاده می کنیم. ثانیا، ما از یک الگوریتم پیوند داده (الگوریتم مجارستانی) برای اختصاص هر محصول کشف شده در هر تصویر به مسیر صحیح محصول استفاده می کنیم. ماتریس فراخوانی برای ارزیابی عملکرد تشخیص و ردیابی استفاده شد. با کمک الگوریتم ردیابی، شکستهای تشخیصی به ویژه در شرایط آفتابی کاهش یافت، به طوریکه عملکرد تشخیص کلی از 97.28 به 99.3404٪ افزایش یافت.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
پیش نمایش مقاله
بهبود تشخیص زراعت بر اساس پردازش تصویر با استفاده از فیلتر کلمن و الگوریتم مجارستانی
چکیده انگلیسی
There is increasing interest in the use of image processing techniques for crop detection in intelligent weeding applications. An effective system for crop detection requires a high degree of adaptability to challenging circumstances such as different weather conditions and image capture conditions (vibration, variations in speed, etc.). To achieve the goal of a robust crop detection system, we have extended a previously-developed detection algorithm that is based on a combination of color-space and shape analysis, through the addition of object tracking. While the previous algorithm performed well in general, performance in sunny conditions was not as robust, opening up the possibility of improvement. The tracking algorithm consists of two steps. Firstly, we apply Kalman filtering to predict the new position of an object (a cauliflower plant in this case) in video sequences. Secondly, we use a data association algorithm (the Hungarian algorithm) to assign each detected crop that appears in each image to the correct crop trajectory. The recall matrix was used to evaluate the detection and tracking performance. With the help of tracking algorithm, detection failures were reduced, especially in sunny conditions, such that overall detection performance was raised from 97.28 to 99.3404%.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers and Electronics in Agriculture - Volume 148, May 2018, Pages 37-44
نویسندگان
, , , ,