1
آزمایشگاه پردازش تصویر و رباتیک، دانشکده فیزیک، دانشگاه شهید باهنر کرمان
2
دانشکده فیزیک، دانشگاه شهید باهنر کرمان
چکیده
تخمین عملکرد و بررسی روند رشد در گونه های مختلف از یک محصول در کشاورزی دقیق برای محققین و کارشناسان حوزه کشاورزی بسیار حائز اهمیت است. در این مقاله روشی نوین مبتنی بر یادگیری عمیق تک مرحله ای به نام GP-YOLOv5 برای شناسایی خودکار تاسل در تصاویر پهپادی از یک مزرعه بزرگ ذرت در تاریخهای مختلف رشد و تخمین زمان گلدهی ارائه شده است. در این راستا ابتدا به دلیل رشد تعداد کمی از تاسلها در مراحل اولیه رشد برای داده افزایی از شبکه مولد متخاصم GP-GAN استفاده شد. سپس برای شمارش و تشخیص تاسل ها ساختار و پارامترهای آشکارساز YOLOv5 برای افزایش دقت مطابق با پایگاه داده اصلاح شد. در ادامه شمارش گیاهان در مراحل اولیه کاشت به عنوان یک پارامتر مهم در تعیین تاریخ گلدهی در نظر گرفته شد. شمارش گیاهان با استفاده از آشکارساز CenterNet انجام شده است و از الگوریتم های درونیابی و پیش بینی برای تعیین تاریخ گلدهی استفاده شد. روش پیشنهادی با دو روش معتبر مبتنی بر تشخیص CenterNet و روش مبتنی بر رگرسیون TasselNetv2+ برای شمارش تاسل ها مقایسه شد. دقت میانگین در تشخیص صحیح تاسل ها در روش پیشنهادی 81/96 و در روش CenterNet، 78/81 درصد است که نشان میدهد دقت روش پیشنهادی بالاتر از روش CenterNet است.
موسوی, سیده فروه, & کرمی, اعظم. (1401). تشخیص هوشمند تاسل در تصاویر پهپادی با استفاده از یادگیری عمیق برای تعیین تاریخ گل دهی. مجله بینایی ماشین و پردازش تصویر, 9(3), 49-63.
MLA
سیده فروه موسوی; اعظم کرمی. "تشخیص هوشمند تاسل در تصاویر پهپادی با استفاده از یادگیری عمیق برای تعیین تاریخ گل دهی". مجله بینایی ماشین و پردازش تصویر, 9, 3, 1401, 49-63.
HARVARD
موسوی, سیده فروه, کرمی, اعظم. (1401). 'تشخیص هوشمند تاسل در تصاویر پهپادی با استفاده از یادگیری عمیق برای تعیین تاریخ گل دهی', مجله بینایی ماشین و پردازش تصویر, 9(3), pp. 49-63.
VANCOUVER
موسوی, سیده فروه, کرمی, اعظم. تشخیص هوشمند تاسل در تصاویر پهپادی با استفاده از یادگیری عمیق برای تعیین تاریخ گل دهی. مجله بینایی ماشین و پردازش تصویر, 1401; 9(3): 49-63.
)