شناسایی گیاه کاهو و کلم در شرایط نوری مزرعه با استفاده از روش پیشنهادی آستانه گذاری پوسته‌ای

تغییرات شدت نور از مشکلات موجود در دستگاه‌های مبتنی بر پردازش تصویر است.  در پژوهش حاضر به شناسایی گیاهکاهو و کلم از روی تصاویر تهیه ‌شده در شرایط متغیر نوری مزرعه با استفاده از روشی نوین پرداخته شده است.  شیوه جدید شناسایی توسط آستانه‌ای صورت می‌گیرد که در فضای اقلیدسی سه ‌بعدی قرار دارد و به‌صورت پوسته‌ای بیضی‌گون است و از مولفه روشنایی در ساختار خود استفاده می‌کند.  نتایج حاصل از به‌کارگیری این شیوه برای شناسایی تصویری گیاهان سبزرنگ در شرایط مزرعه نشان می‌دهد که شیوه پیشنهادی، نسبت به روش‌های متداول شناسایی گیاه، خطاهای نوع گیاهی، پس‌زمینه،مجموع و میانگین مربع خطای کمتری دارد.  نتایج ارزیابی شیوه پیشنهادی روی دو نمونه گیاه کاهو و کلم نشان می‌دهد که این شیوه قادر به شناسایی کلم با دقتی برابر با  85.26 درصد است و  در ترکیب این شیوه با خصوصیات شکلی برای شناسایی کاهو دقتی برابر با 66.67 درصد دارد.

detection of lettuce and cabbage from images taken under different lighting conditions using an elliptic thresholding

variations in lighting are a problem for visual systems. in the current research, a new thresholding method using a 3d euclidian elliptical surface was defined and applied for plant detection purposes. the results showed that this method had lower type i error, type ii error, total error and mean square error compared with those of conventional segmentation methods. the method was evaluated for detection of cabbage and lettuce from images. the results showed the proposed method located cabbages in the images with 85.26% accuracy. when the proposed method was combined with image-based shape features it identified lettuce from the images at 66.67% accuracy.