به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه « natural illumination » در نشریات گروه « کشاورزی »

  • حسنی محمدی منور، رضا علیمردانی، محمود امید
    بیش از دو دهه است که بخش کشاورزی استفاده از سامانه های خودکار را تجربه می کند. از موارد کاربرد این سامانه ها در کشاورزی می توان به برداشت میوه اشاره نمود. بینایی کامپیوتر یکی از پرکاربردترین فن آوری های مورد استفاده در صنایع غذایی و کشاورزی نوین است. در مقاله حاضر سیستمی خودکار مبتنی بر بینایی کامپیوتر جهت برداشت گوجه فرنگی گلخانه ای ارائه می شود. دوربینCCD به عنوان حس گر بینایی از فضای کاری عکس می گیرد و گوجه ها با رسیدگی بالای 50 درصد توسط پردازش تصاویر شناسایی می شوند. در این پژوهش از سه فضای رنگیRGB، HSI و YCbCr و سه الگوریتم آستانه یابی، انحنای سطح تصویر و رابطه قرمز/ سبز جهت تشخیص گوجه فرنگی های رسیده از زمینه و تحت شرایط نور طبیعی استفاده شده است. نتایج نشان می دهد متوسط خطای الگوریتم های آستانه یابی، رابطه قرمز/ سبز و انحنای سطح تصویر به ترتیب 82/11، 03/10 و 95/7 درصد در سه فضای رنگیHSI، RGB وYCbCr بود. فضای رنگی YCbCr و الگوریتم انحنای سطح تصویر در تمایز گوجه فرنگی رسیده از زمینه و در شرایط نور طبیعی، موفق تر عمل می کند.
    کلید واژگان: بینایی کامپیوتر, فضای رنگیRGB, HSI وYCbCr, گوجه فرنگی گلخانه ای, نور طبیعی}
    H. Mohamadi Monavar, R. Alimardani, M. Omid
    Agricultural sector experiences the application of automated systems since two decades ago. These systems are applied to harvest fruits in agriculture. Computer vision is one of the technologies that are most widely used in food industries and agriculture. In this paper, an automated system based on computer vision for harvesting greenhouse tomatoes is presented. A CCD camera takes images from workspace and tomatoes with over 50 percent ripeness are detected through an image processing algorithm. In this research three color spaces including RGB, HSI and YCbCr and three algorithms including threshold recognition, curvature of the image and red/green ratio were used in order to identify the ripe tomatoes from background under natural illumination. The average error of threshold recognition, red/green ratio and curvature of the image algorithms were 11.82%, 10.03% and 7.95% in HSI, RGB and YCbCr color spaces, respectively. Therefore, the YCbCr color space and curvature of the image algorithm were identified as the most suitable for recognizing fruits under natural illumination condition.
    Keywords: Computer vision, RGB, HSI, YCbCr color spaces, Greenhouse tomato, Natural illumination}
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال