PDF

دانلود پایان نامه : بررسی بیماری های برگ درخت سیب با کمک یادگیری ماشینی

اگر دانشجو و یا محقق هستید با پایان نامه های انگلیسی و جدید سایت پروجکت دانلود می توانید سریع , راحت و حرفه ای تر مقالات و پروژه های خود را تالیف کنید ! پروجکت دانلود , جدیدترین پروژه ها , مقالات , پایان نامه ها و تز های مقاطع مختلف تحصیلی از بهترین دانشگاههای جهان را برای شما فراهم می کند . در این مطلب با دانلود متن کامل پایان نامه انگلیسی : بررسی بیماری برگ های درخت سیب با کمک یادگیری ماشینی همراه شما هستیم .
.

موضوع : متن کامل پایان نامه انگلیسی : بررسی بیماری برگ های درخت سیب با کمک یادگیری ماشینی

رشته : کشاورزی – کامپیوتر و برنامه نویسی –   هوش مصنوعی

سال انتشار : 2021

زبان : انگلیسی

مقطع : کارشناسی ارشد

چکیده (ترجمه ماشینی ) :

زمینه و هدف: دو مورد از بیماری های عمده ای که مزارع سیب را تحت تأثیر قرار می دهند :  زنگ زدگی و دلمه سیب. برای هر بار مشاوره با یک متخصص برای شناسایی بیماری ها از مکان های دور پرهزینه و وقت گیر است. بنابراین ، اوایل تشخیص بیماری ها با استفاده از تکنیک های یادگیری ماشین برای مقابله با مشکل موثرتر  است. اهداف: هدف از این مطالعه شناسایی دو بیماری در گیاه سیب است درختان با استفاده از پردازش تصویر ، استخراج ویژگی و یادگیری ماشین با مقایسه بهترین مدل های ویژگی با ویژگی های عمیق مدل های از قبل آموزش دیده برای طبقه بندی بیماری های گیاهی. روشها: برای دستیابی به هدف مطالعه از دو روش تحقیق در این مورد استفاده می شود مطالعه. اولین مورد بررسی منظم ادبیات است. که هدف اصلی آنها آشکار کردن بهترین ویژگی های موجود در ادبیات است که برای ساخت مدل برای آنها مفید است طبقه بندی بیماری های گیاهی. دوم ، یک روش تجربی استفاده شده است ، که هدف اصلی آنها رسیدن به دقیق ترین طبقه بندی بیماری ها با کمک است الگوریتم های یادگیری ماشین مانند جنگل تصادفی (RF) و ماشین بردار پشتیبان (SVM). دو فضای رنگی مختلف همراه با ویژگی مورد بررسی قرار می گیرند مرحله استخراج ، یعنی HSV (رنگ ، اشباع و مقدار) و آزمایشگاه (همچنین فضاهای رنگی معروف به CIELAB) که توسط کمیسیون بین المللی تأیید می شود در روشنایی یافته ها: در طبقه بندی بیماری ها ، عملکرد RF یافت می شود بالاتر از طبقه بندی SVM باشد. در مورد تصاویر HSV ، دقت RF و SVM به ترتیب 90.1 و 86.5 درصد است. دقت و فراخوان SVM است به ترتیب 87.3٪ و 86.1٪ دقت و فراخوان RF 90.8٪ و 89.7٪ است به ترتیب. در مورد تصاویر آزمایشگاهی ، دقت RF و SVM 89.2٪ است و به ترتیب 84.9٪ دقت و فراخوان SVM به ترتیب 85.4 و 85.1 درصد است. دقت و فراخوان RF به ترتیب 91.1 و 89.9 درصد است. عملکرد مدل طبقه بندی با فضای رنگ HSV زمانی بهبود می یابد در مقایسه با تصاویر RGB و تصاویر آزمایشگاهی. نتیجه گیری: در این مطالعه ، طبقه بندی بیماری های گیاهان سیب با کمک طبقه بندی کننده های RF و SVM انجام شد. در مقایسه عملکرد ، طبقه بندی کننده RF در مقایسه با طبقه بندی کننده SVM دقت بالاتری بدست آورد. فضای رنگی (HSV و آزمایشگاه) به بهبود عملکرد کمک می کند

 

دانلود پایان نامه : بررسی بیماری برگ های درخت سیب با کمک یادگیری ماشینی

لینک دانلود پس از خرید نمایش داده خواهد شد
30,000 تومان – خرید

دیدگاهتان را بنویسید