| تعداد نشریات | 286 |
| تعداد نشریات سازمان | 84 |
| تعداد شماره‌ها | 2,873 |
| تعداد مقالات | 32,555 |
| تعداد مشاهده مقاله | 42,418,884 |
| تعداد دریافت فایل اصل مقاله | 19,194,489 |
آشکارسازی درختان پرتقال و تشخیص تنش گیاهی بر اساس داده‌های طیفی اخذ شده از پهپاد | ||
| پژوهش در علوم باغبانی | ||
| دوره 1، شماره 1، شهریور 1401، صفحه 27-40 اصل مقاله (964.87 K) | ||
| نوع مقاله: علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/rhsj.2022.127815 | ||
| نویسندگان | ||
| مژده میرکی1؛ هرمز سهرابی* 2؛ پرویز فاتحی3 | ||
| 1دانشجوی دکترای جنگلداری، دانشگاه تربیت مدرس | ||
| 2دانشگاه تربیت مدرس، دانشکده منابع طبیعی نور | ||
| 3دانشگاه تهران، دانشکده کشاورزی و منابع طبیعی | ||
| چکیده | ||
| چکیده: یکی از الزامات برای رسیدن به کارایی و حداکثر بهره‌وری، پایش و بررسی مداوم محصولات باغی و کشاورزی است. اما روش‌های سنتی پایش باغ‌ها بسیار وقت‌گیر، پرکار و پرهزینه است. هواپیماهای بدون سرنشین (پهپادها) با استفاده از تصویربرداری رنگی واقعی (قرمز/ سبز/آبی) ، ممکن است یک گزینه اقتصادی مناسب برای تشخیص تنش و بیماری‌ها باشند. این تحقیق با دو هدف متفاوت، توانایی داده‌های پهپاد در 1) آشکارسازی درختان و 2) ارزیابی سلامت مرکبات انجام گرفته است. به همین منظور تصویربرداری و برداشت زمینی درختان در تیر ماه 1398 انجام شد. پس از پردازش تصاویر و تولید مدل ارتفاع تاج در پنج اندازه پیکسل مختلف، آشکارسازی درختان پرتقال با استفاده از الگوریتم رشد ناحیه‌ای انجام شد. مدل ارتفاع تاج با اندازه پیکسل 50 سانتی‌متر، بالاترین مقدار صحت کلی (63/0) را ارائه داد. در گام بعدی، اورتوموزاییک جنگل مورد مطالعه با انداره پیکسل دو و نیم سانتی‌متر با استفاده از الگوریتم ساختار حرکت مبنا تولید شد. سپس باندها و شاخص‌های پوشش گیاهی به دست آمده از اورتوموزاییک و فضای رنگی به عنوان داده ورودی در الگوریتم طبقه‌بندی جنگل تصادفی مورد استفاده قرار گرفت. نتایج طبقه‌بندی تشخیص درختان دارای تنش را با صحت کلی 69 درصد نشان داد که کارآیی پهپادها را برای آگاهی دادن به ذینفعان نشان می‌دهد. | ||
| کلیدواژه‌ها | ||
| پهپاد"؛ فضای رنگی"؛ استرس"؛ الگوریتم جنگل تصادفی"؛ "؛ الگوریتم رشد ناحیه‌ای" | ||
| عنوان مقاله [English] | ||
| Citrus trees identification and trees stress detection based on spectral data derived from UAVs | ||
| نویسندگان [English] | ||
| Mojdeh Miraki1؛ Hormoz Sohrabi2؛ Parviz Fatehi3 | ||
| 1Department of Forestry, Faculty of Natural Resources, Tarbiat Modares University | ||
| 2Department of Forestry, Faculty of Natural Resources, Tarbiat Modares University | ||
| 3Department of Forestry and Forest Economics, Faculty of Natural Resources, University of Tehran, Karaj, Iran | ||
| چکیده [English] | ||
| One of the requirements for achieving efficiency and maximum productivity is continuous monitoring and identifying of horticultural and agricultural products. Traditional plant monitoring and evaluation methods are time-consuming, labor-intensive, and costly. Unmanned aerial vehicles (UAVs) using real color imaging (red/green/blue) is a game-changer in horticultural and agriculture and an economically viable option for recognizing stress and disease. In this paper, the ability of UAV images was evaluated for identifying citrus trees and determining their health using a simple method. For this purpose, In June 2019, the study area was photographed and surveyed. The region growing algorithm was tested for a series of CHMs generated from point clouds, across a range of spatial resolutions. The highest overall accuracy for the individual tree crown delineation was achieved for a spatial resolution of 50 cm (F-score =0.63). In the next step, the orthomosaic was generated with a pixel size of 2.5 cm was generated by structure from motion algorithm. Then vegetation indices and bands obtained from orthomosaic and CIE L* a* b* color space were used as input data in a random forest classification algorithm. We classified the trees into 2 classes: health trees and unhealthy trees; then the random forest algorithm was applied using R software. The classification accuracy for identified trees was performed using 10-fold cross-validation. The classification resulted in overall accuracies of 69%; that display the effectiveness of UAVs to inform stakeholders. | ||
| کلیدواژه‌ها [English] | ||
| UAV", Color space", Stress", Random forest algorithm", ", Region-growing algorithm" | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 6,235 تعداد دریافت فایل اصل مقاله: 461 |
||