کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6540228 158852 2016 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Automatic green fruit counting in orange trees using digital images
ترجمه فارسی عنوان
شمارش میوه های خودکار سبز درختان نارنجی با استفاده از تصاویر دیجیتال
کلمات کلیدی
برآورد عملکرد، دیدگاه کامپیوتر، کشاورزی دقیق، مرکبات، تشخیص میوه،
ترجمه چکیده
برآورد عملکرد یک عامل مهم در برنامه ریزی فرآیند تولید می باشد. در مورد محصولات مرکبات می تواند در مدیریت صنعتی و به عنوان راهنمایی برای کشاورزان مفید باشد و نقش تعیین کننده ای در استراتژی های بازار محصول و شیوه های کشت داشته باشد. برای ارزیابی عملکرد محصول مرکبات، تکنیک های متعددی مورد استفاده قرار می گیرند. بر اساس همبستگی شناخته شده بین تعداد میوه های قابل مشاهده در یک تصویر دیجیتالی و مجموع میوه های موجود در درخت نارنجی، ما یک روش برای استخراج ویژگی های میوه سبز با ترکیبی از تکنیک های تبدیل مدل رنگ، آستانه گیری، مقیاس هیستوگرام، فیلترکردن فضایی با اپراتورهای لاپلاس و سوبل و گاوسوس بلور. علاوه بر این، ما یک الگوریتم را برای تشخیص و شمارش آنها ساخته ایم و با آن آزمایش کردیم، با میزان تشخیص صحت نادرست 3٪ در تصاویر به دست آمده در شرایط مناسب. ممکن است میانگین تعداد میوه های مرئی درختان را در حد خطای قابل تحمل 5٪ تا 46 تصویر تخمین بزنید و تقریبا 8 آمپر یک دقیقه بدون هیچ گونه تعامل با انسانی برآورد کنید.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
پیش نمایش مقاله
شمارش میوه های خودکار سبز درختان نارنجی با استفاده از تصاویر دیجیتال
چکیده انگلیسی
Yield estimation is an important factor in a production process planning. In the case of citrus crops, can be useful in industrial management and as guidance for farmers, showing a decisive role in the product market strategies and cultivation practices. Several techniques are being studied for estimating citrus crop yield. On the basis of the known correlation between the number of visible fruits in a digital image and the total of fruits present in an orange tree, we developed a method for green fruit feature extraction with a combination of the techniques of color model conversion, thresholding, histogram equalization, spatial filtering with Laplace and Sobel operators and Gaussian blur. In addition, we built and tested an algorithm to recognize and count them, with detection rates of false-positives of 3% in images acquired in good conditions. It is possible to estimate the mean number of visible fruits in the trees within a tolerated error of 5% with up to 46 images and taking approximately 8 min without any human interaction.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers and Electronics in Agriculture - Volume 127, September 2016, Pages 572-581
نویسندگان
, ,