عنوان پایان‌نامه
تشخیص رسیدگی و تخمین عملکرد محصول کلزا بر مبنای پردازش تصاویر سنجش از دور
- رشته تحصیلی
- مهندسی فناوری ماهواره
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 76086;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 76086;کتابخانه دانشکده علوم و فنون نوین شماره ثبت: 300702;کتابخانه دانشکده علوم و فنون نوین شماره ثبت: 300702
- تاریخ دفاع
- ۱۳ شهریور ۱۳۹۵
- دانشجو
- سیدمرتضی خلیلی
- استاد راهنما
- علیرضا رضائی
- چکیده
- در این پایان نامه تشخیص رسیدگی و تخمین عملکرد محصول کلزا در منطقه دشت ناز ساری با استفاده از پردازش تصاویر ماهوارهای انجام شده است. بدین منظور از تصاویر ماهواره لندست 8و سنجنده OLI به دلیل داشتن قدرت تفکیک طیفی و زمانی مناسب آن استفاده گردید.ابتدا تصاویر لازم از سازمان نقشه برداری کشور و سایت تحقیقات زمین‌شناسی ایالات‌متحده آمریکا وابسته به سازمان ملی فضایی و هوانـوردی آمریکاتهیـه و در پایان زمستان زمین های کلزا از سایر محصولات کشـاورزی با روش های بخش بندی جداسازی شد. در همین راستا مکان زمین ها نیز با تصاویر ماهواره ای زمین مرجع شده به دست آمد وسپس سطح زیر کشت محصول با استفاده از تصاویر اخذشده و طبقه بندی آن ها محاسبه شد. در ادامه با توجه به تصاویر اخذشده در زمان های مختلف و تغییرات طیفی پوشش های گیاهی در مراحل مختلف رشد که با قدرت تفکیک طیفی بالا مشخص است رسیدگی کلزا در مراحل گل دهی و خوشه بندی با توجه به 9 ویژگی استخراجی شامل تغییر رنگ در هفت باند و دو شاخص گیاهی تشخیص داده‌شد. عملکرد محصول نیز با توجه به اطلاعات آماری که برای هر رقم کلزا در اختیار است و همچنین سطح زیر کشت وزیست‌توده حاصل از پردازش تصاویر ماهواره ای تخمین زده شد. برای آزمون روش، فرآیند مشابهی با در نظر گرفتن تغییرات اقلیمی در منطقه محمدآباد قزوین صورت گرفت و به جهت صحت سنجی نتایج حاصل، مقادیر به‌دست‌آمده از آن ها با بررسی های زمینی در زمان کاشت و برداشت؛ و همچنین نتایجی که بعد از برداشت محصول به‌دست‌آمده؛ مقایسه شد. نتایج، همبستگی بالا بین روش خودکار به‌کاررفته در سنجش‌ازدور را با روش سنتی مرسوم به ترتیب با مقادیر 0.98، 0.99و 0.95برای سطح زیر کشت، تشخیص گلدهی و تخمین عملکردنشان می دهد. علاوه بر این تخمین تراکم محصول در مرحله دوبرگی و همچنین تشخیص کلزا از گیاهان هرز با استفاده از تصاویرتهیه‌شده از سکوی زمینی نیز ازاهداف فـرعـی پژوهش حاضر است که در طولبررسی‌های میدانی و با توجه به نیاز صنعت کشاورزی به اهداف طرح افزوده شد.در تخمین تراکم محصول در مرحله دوبرگی روش نوینی برای شمارش گیاه کلزا با استفاده از بینایی ماشین و به‌صورت خودکار ارائه شد. برای مقایسه نتایج حاصل از الگوریتم شمارش خودکار با استفاده از بینایی ماشین و روش معمول که به شمارش دستی معروف است؛ تعداد محصولات با استفاده از هر دو روش شمارش‌و همبستگی آن‌هامحاسبه شد. نتیجه بررسی‌هامقدار همبستگی 0.95 بین الگوریتم ارائه‌شده با روش شمارش دستی را نشان میدهد.در تشخیص کلزا از گیاهان هرزاز ویژگی های رنگ و شکل برگ گیاه کلزا برای تشخیص آن از سایر محصولات و به‌ویژه گیاهان هرز استفاده‌شد.بدین‌صورت که ابتدا تصاویر تهیه و در مرحله بعد ویژگی‌های شکل و رنگ از برگ گیاه کلزا و برگ سایر گیاهان استخراج‌گردید؛ سپس این ویژگی‌ها برای آموزش و آزمون به چندین شبکه عصبی با ساختـارهای مختلف داده شد. نتایج حاصل از بهترین ساختار پیشنهادی دقت تشخیص 97% را در شناسایی کلزا نشان میدهد.
- Abstract
- In this thesis ripe detection and crop yield estimation of rapeseed in Dasht-e Naz (Sari) was performed using satellite image processing. For this purpose, Landsat 8 satellite images and OLI sensor of it due to have good spectral and temporal resolution was used. Requirement pictures were taken from National Cartographic Center and United States Geological Survey site. First at the end of winter, rapeseed fields were isolated from other crops using image segmentation. In this regard, crop's locations were obtained according to georeferenced satellite imagesand then Crops cultivation was derived using this images. Then according to images taken at different times and the spectral changes of vegetation in different stages of growth which is clear in High spectral resolution images, rapeseed crop ripening at flowering and pod stage was diagnosed with attention to color change. The crop yield was estimated according to statistical information that is available for each Rapeseed variety as well as cultivation and biomass from the processing of satellite images.To test the method, a similar process with regard to climate change in Mohammadabad region(Qazvin) was performed and to verify the results, obtained values of their were compared with land surveys at the time of planting and harvesting; and results were obtained from post-harvest.Results show good correlation with 97%, 98% and 95% respectively for cultivation area, flowering and crop yield estimation. Furthermore Image-based density estimation of Brassica Napus in two-leaf stage and rapeseed recognition from weeds based on color and shape features which is prepared using images from ground-based platform was secondary purpose of current research, were added during field studies and according to the needs of the agricultural industry. In density estimating of the product in two-leaf stage a new automatic method for counting of rapeseed is presented using machine vision. To compare the results of automatic counting algorithm using machine vision and common technique that is known manual counting, Products numbers using both methods and their correlation was calculated.Result of investigations show there is good correlation with "R" ^"2" "=0.92" between presented algorithm and manual counting method. In rapeseed recognition from weeds, the color and shape characteristics of rapeseed leaf are used to distinguish it from other products, especially weeds.This way that,In the first place; images were taken and then shape and color features are extracted from the leaves of rapeseed and other plants.Then, these features were given into several different neural network structures for training and test the network.The results of the best proposed structure, shows 97% recognition accuracy in rapeseed identifying.
