مشخصات

زبان

بانک اطلاعاتی

فایل ها

۲۴۰,۰۰۰ تـــــومان

مطالب مرتبط

طبقه بندی و تشخیص بیماری میوه ها با K means و شبکه عصبی MLP با متلب

  • جمعه ۹ بهمن ۱۳۹۴
  • بازدید ۱,۱۲۸ نفر

تصویر matlab-meva_13596_4 طبقه بندی و تشخیص بیماری میوه ها با K means و شبکه عصبی MLP با متلب

پروژه طبقه بندی و تشخیص بیماری میوه ها با MATLAB

در این پست پروژه طبقه بندی و تشخیص بیماری میوه ها با K means و شبکه عصبی MLP با متلب را آماده کرده کرده ایم که در ادامه به توضیحاتی در رابطه با بیماری میوه ها و گیاهان پرداخته و فیلم و تصاویر از این پروژه بینایی ماشین با متلب را نشان داده ایم.

بیماری میوه ها می تواند باعث کاهش کیفیت و کمیت محصولات کشاورزی شود. در برخی از کشور های در حال توسعه، کشاورزان زمان بسیاری را به منظور مشاوره با مهندسین کشاورزی صرف می کنند، در حالی که مهم ترین عامل کنترل بیماری ها، زمان می باشد. بیماری های گیاهی و میوه جات باعث کاهش تولید و خسارت های زیاد اقتصادی در بخش کشاورزی می شود. پایش کردن سلامتی و تشخیص بیماری میوه ها و گیاهان و درختان در کشاورزی پایدار حاهز اهمیت است.

در حال حاضر بیماری میوه ها و بیماری های گیاهی توسط متخصصین و با چشم غیر مسلح تشخیص داده می شوند که این کار به نظارت مستمر کارشناسان نیازمند است که ممکن است در باغ ها و مزارع بزرگ هزینه های بسیاری را باعث شود.

توضیحات بیشتر، فیلم و تصاویری از خروجی پروژه طبقه بندی و تشخیص بیماری میوه ها با K means و شبکه عصبی MLP با متلب در ادامه مطلب.

در برخی از کشور های در حال توسعه، کشاورزان ممکن است مجبور به پیمودن مسافت های طولانی برای تماس با کارشناسان باشند که این کار بسیار گران و وقت گیر می باشد. همچنین، کنترل به موقع بیماری میوه ها و گیاهان باعث کاهش تلفات محصول و حداقل استفاده از سموم شیمیایی می شود که در نتیجه باعث کاهش آلودگی منابع زیر زمینی می شود. فناوری بینایی ماشین و پردازش تصویر قادر است به طور خودکار بیماری های گیاهی را تشخیص، تفکیک و طبقه بندی نماید.

طراحی و کاربرد این فناوری ها به طور عمده به کاهش کاربرد مواد شیمیایی و کاهش هزینه های پرسنلی و افزایش حاصل خیزی و کیفیت محصول کمک می کنید. تشخیص سریع و خودکار بیماری های گیاهی پژوهشی ضروری است که در نظارت بر باغ ها و زمین های بزرگ مزایای زیادی دارد.

روش های زیادی برای تشخیص بیماری های گیاهی وجود دارد اما اکثر این روش ها یا وقت گیر و پر هزینه می باشند یا روش های مخرب می باشند. روش های طیفی بسیار گران قیمت و زمان بر بوده و نیاز به پرسنل نموزش دیده دارد. امروزه ابزارهای کامپیوتری بر پاییه پردازش تصویر در حوزه کشاورزی برای نظارت بر رشد محصول توسعه فراوانی داشته است.

تشخیص خودکار بیماری های گیاه برای افرادی که اطلاعاتی در مورد روش کشت محصول ندارند، می تواند مزایای بسیاری داشته باشد. مزایای استفاده از تکنولوژی تصویر برداری، دقیق، غیر مخرب و عملکرد بهتری می باشد. کاربرد تکنولوژی ماشیین بینیایی بازدهی صنعت کشاورزی را به وسیله کاهش هزینه های کارگری، افزایش خواهد داد.

تصاویرخروجی پروژه طبقه بندی و تشخیص بیماری میوه ها :

تصویر خروجی 1:

تصویر matlab-meva_13596_5 طبقه بندی و تشخیص بیماری میوه ها با K means و شبکه عصبی MLP با متلب

تصویر خروجی 2:

تصویر matlab-meva_13596_1 طبقه بندی و تشخیص بیماری میوه ها با K means و شبکه عصبی MLP با متلب

تصویر خروجی 3:

تصویر matlab-meva_13596_2 طبقه بندی و تشخیص بیماری میوه ها با K means و شبکه عصبی MLP با متلب

تصویر خروجی 4:

تصویر matlab-meva_13596_3 طبقه بندی و تشخیص بیماری میوه ها با K means و شبکه عصبی MLP با متلب

تصویر خروجی 5:

تصویر matlab-meva_13596_4 طبقه بندی و تشخیص بیماری میوه ها با K means و شبکه عصبی MLP با متلب

تصویر خروجی 6:

تصویر matlab-meva_13596_6 طبقه بندی و تشخیص بیماری میوه ها با K means و شبکه عصبی MLP با متلب

تصویر خروجی 7:

تصویر matlab-meva_13596_7 طبقه بندی و تشخیص بیماری میوه ها با K means و شبکه عصبی MLP با متلب

 

باکس دانلود
شناسه:
۱۳۵۹۶
قیمت:
۲۴۰,۰۰۰ تـــــومان
ثبت نظر
ریفریش کنید!
نظرات کاربران (۴ مورد)
  1. تصویر آواتار کاربر 0
    حامد وسوقی پنجشنبه , 6 خرداد

    سلام ببخشید این پروژتون مقاله هم داره ؟

    • تصویر آواتار کاربر 2
      نوآوران گرمیپنجشنبه , 6 خرداد

      مقاله نه، فقط فایل متلب و فیلم نحوه اجرا دارد.

  2. تصویر آواتار کاربر 0
    کیانوش مجیدی چهارشنبه , 23 تیر

    سلام این پروژرو خرید کردم سیستمم ایراد داره دانلود نمیشه لطفا اگه براتون زحمتی نیست برام ایمیل کنید متشکر ...

    • تصویر آواتار کاربر 2
      نوآوران گرمیچهارشنبه , 23 تیر

      به ایمیلتان ارسال شد