محمد حاجب؛ سعید حمزه؛ سید کاظم علوی پناه؛ جوشم ورلزت
چکیده
شاخص سطح برگ نقش مهمی در تبادل ماده و انرژی بین زمین و اتمسفر دارد. مانند سایر گیاهان، شاخص سطح برگ نیشکر معیار خوبی برای وضعیت سلامت و رشد این محصول است که به‌دلیل نقش آن در صنایع غذایی و انرژی، اهمیت اقتصادی بسیاری دارد. ماهوارة PRISMA که در سال 2019 پرتاب شد، یکی از جدیدترین منابع داده‌های ابرطیفی را فراهم کرده است که به‌ویژه، در تهیة ...
بیشتر
شاخص سطح برگ نقش مهمی در تبادل ماده و انرژی بین زمین و اتمسفر دارد. مانند سایر گیاهان، شاخص سطح برگ نیشکر معیار خوبی برای وضعیت سلامت و رشد این محصول است که به‌دلیل نقش آن در صنایع غذایی و انرژی، اهمیت اقتصادی بسیاری دارد. ماهوارة PRISMA که در سال 2019 پرتاب شد، یکی از جدیدترین منابع داده‌های ابرطیفی را فراهم کرده است که به‌ویژه، در تهیة نقشة متغیرهای گیاهی کاربرد دارد. در پژوهش حاضر، نوع جدیدی از شبکه‌های عصبی مصنوعی، موسوم به شبکة عصبی تنظیم‌شده با روش بیزین (BRANN) که قانون بیز را برای غلبه بر مشکل بیش‌برازش شبکه‌های عصبی به‌کار می‌برد، استفاده می‌شود. مدل یادشده روی مجموعه‌ای داده، متشکل از طیف دریافت‌شده ازطریق ماهوارة PRISMA به‌منزلة متغیر مستقل و مقادیر اندازه‌گیری شاخص سطح برگ نیشکر به‌منزلة متغیر وابسته، اجرا شد. اندازه‌گیری‌های زمینی شاخص سطح برگ نیشکر در 118 واحد نمونه‌برداری زمینی، روی مزارع کشت‌و‌صنعت نیشکر امیرکبیر در استان خوزستان و در هفت تاریخ متفاوت طی یک دوره رشد نیشکر در سال 1399، انجام شد. مقایسة عملکرد BRANN با یک روش متعارف شبکة عصبی، یعنی شبکة آموزش‌دیده با روش لونبرگ‌ـ مارکوارت (LMANN) در بازیابی شاخص سطح برگ نیشکر از طیف PRISMA، حاکی از این است کهRMSE بازیابی از 26/2 (m2/m2) به‌روش LMANN به 67/0 (m2/m2)، با استفاده از روش BRANN کاهش یافته است. در این پژوهش، به‌منظور کاهش ابعاد داده نیز از تبدیل مؤلفه‌های اصلی استفاده شد. در بازیابی شاخص سطح برگ از بیست مؤلفة اصلی اول نیز RMSE از 41/1 (m2/m2) با استفاده از روش LMANN به 71/0 (m2/m2) طبق روش BRANN کاهش یافت. استفاده از مؤلفه‌های اصلی باعث کاهش چشمگیر زمان محاسباتی شد. با اجرای مدل آموزش‌دیدة BRANN روی تصاویر PRISMA به‌صورت پیکسل‌به‌پیکسل، نقشة شاخص سطح برگ نیشکر تولید شد. ارزیابی این نقشه نشان داد که این نقشه تغییرات مکانی شاخص سطح برگ نیشکر را به‌خوبی نشان می‌دهد. نتایج این تحقیق بیانگر قابلیت بالای روش BRANN و تصاویر PRISMA برای بازیابی شاخص سطح برگ نیشکر است.
علی‌اکبر متکان؛ محمد حاجب؛ محمد اسلامی
دوره 7، شماره 2 ، بهمن 1394، ، صفحه 19-34
چکیده
دسترسی به اطلاعات راهها اهمیت زیادی در کاربردهای مختلف نظیر حمل‌ونقل، کنترل ترافیک، سیستم‌های هدایت خودکار وسایل نقلیه و مانند اینها دارد. در سال‌های اخیر طراحی الگوریتم‌‌های استخراج راه، هدف مطالعات بسیاری از پژوهشگران بوده است. باوجود پیشرفت‌‌هایی که در این زمینه حاصل شده است، همچنان نواقصی در عملکرد این الگوریتم‌‌ها ...
بیشتر
دسترسی به اطلاعات راهها اهمیت زیادی در کاربردهای مختلف نظیر حمل‌ونقل، کنترل ترافیک، سیستم‌های هدایت خودکار وسایل نقلیه و مانند اینها دارد. در سال‌های اخیر طراحی الگوریتم‌‌های استخراج راه، هدف مطالعات بسیاری از پژوهشگران بوده است. باوجود پیشرفت‌‌هایی که در این زمینه حاصل شده است، همچنان نواقصی در عملکرد این الگوریتم‌‌ها وجود دارد که یکی از مهم‌ترین آنها وجود بریدگی در شبکة راه‌‌های استخراج‌شده است. این بریدگی‌‌ها ممکن است به‌دلایل مختلفی نظیر قرار‌‌گرفتن راهها در زیر درختان یا واقع‌شدن در سایه باشند. ازآنجاکه پیوسته‌بودن راهها یکی از ویژگی‌های مهم توپولوژیکی آنهاست، رفع این نقیصه ضروری به‌نظر می‌‌رسد. هدف پژوهش حاضر ارائة روشی خودکار برای یافتن و اتصال بریدگی‌‌های موجود در راه‌‌های استخراج‌شده به‌وسیلة الگوریتم‌‌های استخراج راه است. در این الگوریتم ابتدا با استفاده از روشی مبتنی بر تبدیل رادون سر و ته بریدگی‌‌ها شناسایی میشوند، سپس این نقاط با به‌کارگیری روشی بر پایة تکنیک درونیابی اسپلاین به یکدیگر متصل میشوند. این الگوریتم روی خروجی یک روش استخراج راه که در آن چهار بریدگی در راه‌‌های مستقیم و دو بریدگی در تقاطع‌ها وجود دارد، پیاده‌‌سازی شد. نتایج نشان دادند که الگوریتم قادر به اتصال تمام بریدگی‌‌های واقع در راه‌‌های مستقیم بود، ولی دو مورد بریدگی در تقاطع‌ها را نتوانست الگوریتم متصل کند. بنابر‌‌این می‌‌توان گفت که صرف‌نظر از محل بریدگی که در راه‌‌های مستقیم یا در تقاطع‌ها واقع شده‌‌اند، الگوریتم حدود 7/66 درصد از بریدگی‌‌های موجود در تصویر را شناسایی و متصل کرده است. این الگوریتم در محیط نرم‌‌افزار MATLAB برنامه‌‌نویسی شد.
