@article { author = {Nadafzadeh, Maryam and Abdanan Mehdizadeh, Saman and Salehi Salmi, Mohammadreza}, title = {Prediction and Control of the Water Content of the Turfgrass Plant by an Intelligent System Using Image Processing and Support Vector Regression Algorithm}, journal = {Journal of Machine Vision and Image Processing}, volume = {5}, number = {2}, pages = {85-102}, year = {2018}, publisher = {Iranian Society of Machine Vision and Image Processing}, issn = {2383-1197}, eissn = {2383-1197}, doi = {}, abstract = {Due to the environmental changes and increasing global temperature and drought conditions, irrigation of plants along with theirs protection of growth as well as high yield is very important. Therefore, water consumption can be reduced significantly in agriculture by monitoring and control of plant growth conditions and increase the irrigation efficiency through the conversion of surface irrigation methods to smart irrigation systems in the situation of water crisis. In this study, to detect plant water requirement, a set of turf grass plants images were taken and studied under drought stress conditions to extract the color, texture and number of features in the frequency domain. Thereafter, all the extracted parameters of images were investigated, then, according to the results of statistical analysis (p<0.05), most appropriate features were selected to predict water content of plant by support vector regression algorithm (SVR). Finally, it was shown that the linear kernel function of SVR algorithm has the highest correlation coefficient (0.95) and the lowest values of MAPE (14.08), RMSE (0.10), SRE (0.063) and RAV (0.14) compared to other kernels. Thus, this indicated that the ability of suggested system to measure and evaluate wilting plant conditions and control of required water for plant.}, keywords = {Digital images processing,Turfgrass,Intelligent irrigation control,Support vector regression}, title_fa = {پیش بینی و کنترل محتوای رطوبت گیاه چمن توسط یک سامانه هوشمند با بکارگیری پردازش تصویر و الگوریتم رگرسیون بردار پشتیبان}, abstract_fa = {با توجه به تغییرات زیست‌ محیطی و افزایش دمای جهانی و همچنین خشک سالی، نحوه آبیاری گیاهان ضمن حفظ رشد و عملکرد بالای آنها بسیار حائز اهمیت است. لذا در این شرایط حساس بحران آب، با نظارت و کنترل شرایط رشد گیاه و همچنین افزایش راندمان آبیاری از طریق تبدیل روشهای آبیاری سطحی به سیستمهای آبیاری هوشمند میتوان به صورت قابل توجهی مصرف آب در بخش کشاورزی را کاهش داد. در این مطالعه با هدف تشخیص نیاز آبی گیاه، مجموعه ای از تصاویر گیاه چمن تحت شرایط تنش خشکی جهت استخراج ویژگی های رنگی، بافت و تعدادی از پارامترهای تصویر در حوزۀ فرکانس مورد بررسی قرار گرفتند. در ادامه پس از بررسی پارامترهای استخراج شده از تصاویر با توجه به نتایج آنالیز آماری در سطح احتمال 5% مناسبترین ویژگی ها به منظور پیش بینی محتوای رطوبت گیاه توسط الگوریتم رگرسیون بردار پشتیبان (SVR) انتخاب گردید. در نهایت نشان داده شد که هسته Linear در تابع الگوریتم SVR نسبت به سایر هسته ها دارای بالاترین ضریب همبستگی (0/95) و همچنین کمترین مقادیر MAPE (14/08)، RMSE (0/01)، SRE (0/063) و RAV (0/14) است. بدین ترتیب نتیجه گرفته شد که سامانۀ پیشنهاد شده از کارآیی مناسبی به منظور اندازه‌گیری و سنجش پژمردگی گیاه و کنترل میزان آب مورد نیاز آن برخوردار می باشد.}, keywords_fa = {پردازش تصاویر دیجیتال,چمن,کنترل هوشمند آبیاری,رگرسیون بردار پشتیبان}, url = {https://jmvip.sinaweb.net/article_52256.html}, eprint = {https://jmvip.sinaweb.net/article_52256_3d704d7cffb646f346ae16e2e33efaaf.pdf} }