[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما :: ::
:: دوره 5، شماره 1 - ( بهار 1399 ) ::
جلد 5 شماره 1 صفحات 60-51 برگشت به فهرست نسخه ها
شمارش خودکار گل‌ها، روشی شایسته برای صنایع گلکاری
سونام باهوگونا، شوبهام آنچال، آنجالی چاندل، مامتا دوی، بهاویا بهارگاوا، آمیت کومار
سی‌اس‌آی‌آر- موسسه هیمالیایی فناوری منابع_زیستی
چکیده:   (125 مشاهده)
گلکاری به یکی از مشاغل سودآور حیاتی در کشاورزی هند تبدیل شده است. گل­های مهم تجارت بین المللی شامل سوسن، جعفری، رز، لاله، داوودی، میخک، مریم، Crossandra (گل ترقه) و غیره است. برآورد عملکرد در زمان برداشت گل از جنبه های مهم در گلکاری است که به راهبرد بازاریابی آن­ها کمک می کند. بنابراین، بررسی حاضر بر سوسن و جعفری تمرکز دارد که به ترتیب گل­های بریدنی و بریدنی بی­ساقه شناخته شده ای هستند. برداشت گل­های بریدنی زمانی آغاز می­شود که جوانه­ها آغاز به رنگ گیری می کنند در حالی که گل­های بریدنی بی­ساقه بسته به نوع، زمانی که به اندازه کامل برسند برداشت می شوند. به طور معمول، تخمین عملکرد به صورت دستی با شمارش جوانه­ها و گل­ها انجام می شود، که اغلب اشتباه و وقت­گیر است. در این مقاله سعی شده است با استفاده از فنون پردازش تصویر دیجیتال، یک سیستم خودکار برای شمارش جوانه­های سوسن و جعفری در زمان برداشت ایجاد شود. این فرآیند شامل تصویربرداری، پیش پردازش، آستانه­گذاری، تحلیل و در پایان شمارش جوانه­ها/گل­ها برای تخمین عملکرد است. اعتبارسنجی نتایج با مقایسه نتایج به­دست آمده از روش دستی و همچنین شمارش خودکار انجام شده است. کل این روند چهار بار با چهار عکس متفاوت برای قضاوت در مورد روایی فنون تکرار شد. نتیجه به­دست آمده برای سوسن 61/95% و برای جعفری 66/96% روایی داشت. گردش کار سیستماتیک با جوانب مثبت و منفی در این مقاله مورد بحث قرار گرفته است.
واژه‌های کلیدی: Floriculture، Counting، Digital Image Processing، Thresholding، Yield estimation.
متن کامل [PDF 472 kb]   (74 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: عمومى
دریافت: 1399/8/27 | پذیرش: 1400/7/19 | انتشار: 1400/7/19
فهرست منابع
1. Abinaya, A., Roomi, S.M.M. (2016). Jasmine flower segmentation: A superpixel based approach. In 2016 International Conference on Communication and Electronics Systems (ICCES), (pp. 1-4). IEEE. [DOI:10.1109/CESYS.2016.7889922]
2. Agricultural and Processed Food Products Export Development Authority (APEDA). 2019. http://apeda.gov.in/apedawebsite/Announcements/APEDA_REPORT_22_Sep_16.pdf http://www.apeda.gov.in/apedawebsite/SubHead_Products/Floriculture.htm.
3. Bairwa, N., Agrawal, K.N. (2014). Counting of flowers using image processing, International Journal of Computer Applications, 3, 0975-8887.
4. Bindu, S., Prudhvi, S., Hemalatha, G., Sekhar, M. N. Nanchariahl, M.V. (2014) .Object detection from complex background image using circular hough transform. International Journal of Engineering Research and Applications, 4, 23-28.
5. Biradar, B.V., Shrikhande, S.P. (2015). Flower detection and counting using morphological and segmentation technique. International Journal of Computer Science Information Technology, 6, 2498-2501.
6. Dixit, P., Tripathi, S., Verma, K.N. (2013). A brief study on marigold (Tagetes species). International Research Journal of Pharmacy, 4, 43-48.
7. Dorj, O.U., Lee, K.K., Lee, M. (2013). A computer vision algorithm for tangerine yield estimation. International Journal of Bio-Science and Bio-Technology, 5, 101-110. [DOI:10.14257/ijbsbt.2013.5.5.11]
8. Floristry and Floriculture Industry Statistics. (2019). https://www.petalrepublic.com/floristry-and-floriculture-statistics/.
9. Gowsalya, K., Sridevi, P. (2019). Prediction of fruits and flowers using image analysis techniques. International Research Journal of Engineering and Technology, 6, 1202-1208.
10. Lim, K. B., Hwang, Y.J., Younis, A. (2014). Classical vs. modern genetic and breeding approaches for Lily (Lilium) crop improvement. Flower Research Journal, 22, 39-47. [DOI:10.11623/frj.2014.22.2.1]
11. Mukherjee, D. (2008). Speciality Cut Flowers Production Technologies. Bidhan Sarani, Kolkata, India.
12. Nisar, H., Yang, Z.H., Ho, K.Y. (2015). Predicting yield of fruit and flowers using digital image analysis. Indian Journal of Science and Technology, 8, 0974-5645. [DOI:10.17485/ijst/2015/v8i32/93730]
13. Observatory of Economic Complexity. 2019. https://oec.world/en/profile/hs92/cutflowers?redirect=true#:~:text=In%202019%2C%20Cut%20Flowers%20were,0.049%25%20of%20total%20world%20trade. [DOI:10.29226/TR1001.2018.59]
14. Sarkate, S.R., Kalyankar, V.N. Khanale, B.P. (2013). Application of computer vision and color image segmentation for yield prediction precision. International Conference on Information Systems and Computer Networks (IEEE), 9-13. [DOI:10.1109/ICISCON.2013.6524164]
15. Schneider, A.C., Rasband, S.W. Eliceiri, W.K. (2012). NIH Image to ImageJ: 25 years of image analysis. Nature America, 9, 671-675. [DOI:10.1038/nmeth.2089]
16. Scott, B.J., Gent, H.D., Hay, S.F., Pethybridge, J.S. (2015). Estimation of Pyrethrum flower number using digital imagery. American Society for Horticultural Science, 25, 1943-7714. [DOI:10.21273/HORTTECH.25.5.617]
17. Sethy, P.K., Routray, B., Behera, S.K. (2019). Detection and counting of marigold flower using image processing technique. In: Advances in Computer Communication and Control. Springer, Singapore. 87-93. [DOI:10.1007/978-981-13-3122-0_9]
18. Sundar, S.V. Bagyamani, J. (2015). Flower counting in yield approximation using digital image processing techniques. International Journal of Advance Research in Science and Engineering, 4, 2319-8354.
19. Sural, S., Qian, G., Pramanik, S. (2002). Segmentation and histogram generation using the HSV color space for image retrieval. International Conference on Image Processing, II-589-II-592. [DOI:10.1109/ICIP.2002.1040019]
20. Syal, A., Garg, D., Sharma, S. (2013)., A survey of computer vision methods for counting fruits and yield prediction. International Journal of Computer Science Engineering, 2, 2319-7323.
21. Thangam, M., Safeena, A.S., Devi, P.S., Singh, P.N. (2016). Lilium cut flower production under naturally ventilated polyhouse, Central Coastal Agricultural Research Institute, Indian Council of Agricultural Research, Goa, India.
22. Hoo, Z.Y. (2015). Automated fruit and flower counting using digital image analysis (Doctoral Dissertation, UTAR).
23. Abinaya, A., Roomi, S.M.M. (2016). Jasmine flower segmentation: A superpixel based approach. In 2016 International Conference on Communication and Electronics Systems (ICCES), (pp. 1-4). IEEE. [DOI:10.1109/CESYS.2016.7889922]
24. Agricultural and Processed Food Products Export Development Authority (APEDA). 2019. http://apeda.gov.in/apedawebsite/Announcements/APEDA_REPORT_22_Sep_16.pdf http://www.apeda.gov.in/apedawebsite/SubHead_Products/Floriculture.htm.
25. Bairwa, N., Agrawal, K.N. (2014). Counting of flowers using image processing, International Journal of Computer Applications, 3, 0975-8887.
26. Bindu, S., Prudhvi, S., Hemalatha, G., Sekhar, M. N. Nanchariahl, M.V. (2014) .Object detection from complex background image using circular hough transform. International Journal of Engineering Research and Applications, 4, 23-28.
27. Biradar, B.V., Shrikhande, S.P. (2015). Flower detection and counting using morphological and segmentation technique. International Journal of Computer Science Information Technology, 6, 2498-2501.
28. Dixit, P., Tripathi, S., Verma, K.N. (2013). A brief study on marigold (Tagetes species). International Research Journal of Pharmacy, 4, 43-48.
29. Dorj, O.U., Lee, K.K., Lee, M. (2013). A computer vision algorithm for tangerine yield estimation. International Journal of Bio-Science and Bio-Technology, 5, 101-110. [DOI:10.14257/ijbsbt.2013.5.5.11]
30. Floristry and Floriculture Industry Statistics. (2019). https://www.petalrepublic.com/floristry-and-floriculture-statistics/.
31. Gowsalya, K., Sridevi, P. (2019). Prediction of fruits and flowers using image analysis techniques. International Research Journal of Engineering and Technology, 6, 1202-1208.
32. Lim, K. B., Hwang, Y.J., Younis, A. (2014). Classical vs. modern genetic and breeding approaches for Lily (Lilium) crop improvement. Flower Research Journal, 22, 39-47. [DOI:10.11623/frj.2014.22.2.1]
33. Mukherjee, D. (2008). Speciality Cut Flowers Production Technologies. Bidhan Sarani, Kolkata, India.
34. Nisar, H., Yang, Z.H., Ho, K.Y. (2015). Predicting yield of fruit and flowers using digital image analysis. Indian Journal of Science and Technology, 8, 0974-5645. [DOI:10.17485/ijst/2015/v8i32/93730]
35. Observatory of Economic Complexity. 2019. https://oec.world/en/profile/hs92/cutflowers?redirect=true#:~:text=In%202019%2C%20Cut%20Flowers%20were,0.049%25%20of%20total%20world%20trade. [DOI:10.29226/TR1001.2018.59]
36. Sarkate, S.R., Kalyankar, V.N. Khanale, B.P. (2013). Application of computer vision and color image segmentation for yield prediction precision. International Conference on Information Systems and Computer Networks (IEEE), 9-13. [DOI:10.1109/ICISCON.2013.6524164]
37. Schneider, A.C., Rasband, S.W. Eliceiri, W.K. (2012). NIH Image to ImageJ: 25 years of image analysis. Nature America, 9, 671-675. [DOI:10.1038/nmeth.2089]
38. Scott, B.J., Gent, H.D., Hay, S.F., Pethybridge, J.S. (2015). Estimation of Pyrethrum flower number using digital imagery. American Society for Horticultural Science, 25, 1943-7714. [DOI:10.21273/HORTTECH.25.5.617]
39. Sethy, P.K., Routray, B., Behera, S.K. (2019). Detection and counting of marigold flower using image processing technique. In: Advances in Computer Communication and Control. Springer, Singapore. 87-93. [DOI:10.1007/978-981-13-3122-0_9]
40. Sundar, S.V. Bagyamani, J. (2015). Flower counting in yield approximation using digital image processing techniques. International Journal of Advance Research in Science and Engineering, 4, 2319-8354.
41. Sural, S., Qian, G., Pramanik, S. (2002). Segmentation and histogram generation using the HSV color space for image retrieval. International Conference on Image Processing, II-589-II-592. [DOI:10.1109/ICIP.2002.1040019]
42. Syal, A., Garg, D., Sharma, S. (2013)., A survey of computer vision methods for counting fruits and yield prediction. International Journal of Computer Science Engineering, 2, 2319-7323.
43. Thangam, M., Safeena, A.S., Devi, P.S., Singh, P.N. (2016). Lilium cut flower production under naturally ventilated polyhouse, Central Coastal Agricultural Research Institute, Indian Council of Agricultural Research, Goa, India.
44. Hoo, Z.Y. (2015). Automated fruit and flower counting using digital image analysis (Doctoral Dissertation, UTAR).
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Bahuguna S, Anchal S, Chandel A, Devi M, Bhargava B, Kumar A. Automated flower enumeration, a felicitous method developed for the floriculture industries. FOP. 2020; 5 (1) :51-60
URL: http://flowerjournal.ir/article-1-177-fa.html

باهوگونا سونام، آنچال شوبهام، چاندل آنجالی، دوی مامتا، بهارگاوا بهاویا، کومار آمیت. شمارش خودکار گل‌ها، روشی شایسته برای صنایع گلکاری. گل و گیاهان زینتی. 1399; 5 (1) :60-51

URL: http://flowerjournal.ir/article-1-177-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 5، شماره 1 - ( بهار 1399 ) برگشت به فهرست نسخه ها
گل و گیاهان زینتی Flower and Ornamental Plants
Persian site map - English site map - Created in 0.07 seconds with 30 queries by YEKTAWEB 4343