فهرست نشریات علمی دسترسی آزاد ایران

به‌منظور شناسایی بذر علف‌های‌هرز به کمک رهیافت بینایی ماشین، از دو روش شبکه عصبی مصنوعی و آنالیز تشخیص متعارف استفاده شد. بذرهای تاج‌خروس ریشه‌قرمز (Amaranthus retroflexus)، تاج‌خروس خوابیده (Amaranthus blitoides)، سلمه‌تره (Chenopodium album)، قدومه (Alyssum hirsutum) و خردل وحشی (Sinapis arvensis) جمع‌آوری‌ شد و پس از ثبت تصاویر آن‌ها، خصوصیات مربوط به شکل هر بذر استخراج شد. داده‌های استخراج شده، به‌صورت خام و استاندارد شده درآمدند. همچنین با استفاده از روش رگرسیون گام‌به‌گام، مهم‌ترین خصوصیات شکلی بذرها نیز شناسایی شدند. نتایج نشان داد که دقت شناسایی شبکه عصبی ساخته ‌شده از داده‌های خام و استاندارد مربوط به 13 متغیر پیشگو، به‌ترتیب 36/84 و 34/83  درصد و برای شبکه عصبی ساخته ‌شده از داده‌های ورودی خام و استاندارد حاصل از رگرسیون گام‌به‌گام، به‌ترتیب 30/84 و 39/83 درصد بود. دقت شناسایی روش آنالیز تشخیص متعارف نیز بر اساس کل داده‌های خام و استاندارد ورودی، به‌ترتیب 90/84 و 70/84 درصد بود. همچنین دقت شناسایی بذرها با استفاده از هر دو داده‌ خام و استاندارد حاصل از رگرسیون گام‌به‌گام در این روش، 6/82 درصد بود. بیشترین دقت شناسایی در هر دو روش (با بیش از 95 درصد دقت)، به علف‌های‌هرز قدومه و تاج‌خروس ریشه‌قرمز تعلق داشت. علاوه بر این، بالاترین دقت شناسایی بذرهای سلمه‌تره در هر دو روش، بالاتر از 87 درصد بود. این امر نشان می‌دهد که استفاده از خصوصیات شکلی در مدل‌های تشخیص الگو، دارای پتانسیل خوبی در شناسایی بذرهای این علف‌های‌هرز بود.