تعداد دوره ها 7
تعداد شماره 28
تعداد مقالات 254
تعداد نویسندگان 490
تعداد مقالات ارسال شده 3207
تعداد مقالات رد شده 2890
درصد عدم پذیرش 73
درصد پذیرش 27
زمان پذیرش (روز) 120
تعداد پایگاه های نمایه شده 39
تعداد داوران 138

این نشریه را در شبکه‌های علمی همراهی کنید:

لینکدین

ریسرچ گیت

پابلونز

آکادمیا

ارکید

مندلی

گوگل اسکالر

کاهش خطا در تشخیص بیماری گیاهان به کمک پردازش تصویر و هوش مصنوعی فازی
دوره 3، شماره 3، 1399، صفحات 12 - 1
نویسندگان : اعظم هارونی* 1 ، مصطفی شمسی 2

1 1

2 1

چکیده :
یک سیستم بینایی ماشین برای تشخیص بیماری‌ های گیاهی یا جداسازی میوه ‌های عیب دار از بدون عیب، جهت کارکرد صحیح، دقیق و با سرعت، نیازمند پارامترهای متعددی است، لذا بایستی این پارامترها به بهترین وجه انتخاب شوند. این پارامتر ها شامل دقت نمونه ‌برداری بر اساس شرایط نور، سرعت، فاصله و زاویه نمونه‌ برداری است. این پژوهش باهدف مدل‌سازی بیماری‌ ها به ‌منظور مدل‌سازی سیستم تشخیص از سامانه استنتاج عصبی فازی تطبیقی استفاده گردیده است نتایج نشان می‏ دهد که می‏توان شبکه عصبی فازی با استفاده از الگوریتم کلاسیک ترکیبی را آموزش داد به‌ نحوی‌که خطا برای داده ‏های آموزش کاهش یابد.
کلمات کلیدی :
پردازش تصویر، شبکه‌های عصبی، بیماری‌های گیاهان، منطق فازی
پشتیبانی آنلاین از طریق واتساپ

پژوهشگران گرامی؛ پاسخگوی سوالات شما عزیزان از طریق واتساپ هستیم !


جهت ارسال پیام در واتساپ اینجا کلیک نمائید !