Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Οπτική αναγνώριση χαρακτηριστικών φύλλων αμπέλου για αυτοματοποιημένη αμπελογραφική ταυτοποίηση

Tsellou Aikaterini

Πλήρης Εγγραφή


URI: http://purl.tuc.gr/dl/dias/8CD227D1-B7F4-4255-AFA4-AE7840B973F2
Έτος 2020
Τύπος Διπλωματική Εργασία
Άδεια Χρήσης
Λεπτομέρειες
Βιβλιογραφική Αναφορά Αικατερίνη Τσέλλου, "Οπτική αναγνώριση χαρακτηριστικών φύλλων αμπέλου για αυτοματοποιημένη αμπελογραφική ταυτοποίηση", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2020 https://doi.org/10.26233/heallink.tuc.86308
Εμφανίζεται στις Συλλογές

Περίληψη

Η Αμπελογραφία είναι ο κλάδος της αμπελουργίας, που έχει ως αντικείμενο την περιγραφή, διάκριση, ταξινόμηση και αξιολόγηση των ποικιλιών της αμπέλου. Στη σύγχρονη εποχή, είναι απαραίτητη η σωστή αναγνώριση των διαφορετικών ποικιλιών αμπέλου, καθώς μπορεί να έχει σημαντική οικονομική επίπτωση στην οινοβιομηχανία. Η ανάπτυξη των εργαλείων ψηφιακής φωτογραφίας και επεξεργασίας εικόνας προσφέρει βελτιωμένες δυνατότητες για αμπελογραφική αναγνώριση παρέχοντας αυτοματοποιημένες και πιο ακριβείς μεθόδους για τη διάκριση των φύλλων, αντικαθιστώντας τις κλασσικές μεθόδους. Σε αυτή τη διατριβή, αποδεικνύουμε ότι οι αλγόριθμοι μηχανικής μάθησης είναι σε θέση να ταξινομήσουν αποτελεσματικά διαφορετικά είδη φύλλων της αμπέλου με αυτοματοποιημένο τρόπο. Η προτεινόμενη προσέγγιση αποτελείται από τις ακόλουθες φάσεις: τμηματοποίηση, εξαγωγή χαρακτηριστικών, επιλογή χαρακτηριστικών και ταξινόμηση. Στη φάση της τμηματοποίησης το φύλλο διαχωρίζεται από την υπόλοιπη εικόνα. Στη συνέχεια, στη φάση εξαγωγής χαρακτηριστικών, το φύλλο, αφού έχει περάσει απο τη διαδικασία της τμηματοποίησης, αναλύεται με σκοπό την εξαγωγή χαρακτηριστικών που αφορούν το σχήμα καθώς και το περίγραμμα. Μετά την εξαγωγή των χαρακτηριστικών, επιλέγουμε ένα βέλτιστο υποσύνολο αυτών για να πραγματοποιήσουμε την ταξινόμηση στην επόμενη φάση. Τέλος, τα αποτελέσματα ταξινομούνται χρησιμοποιώντας 3 διαφορετικούς αλγορίθμους: Naïve Bayes, Decision Tree, SVM με 2 είδη πυρήνα, γραμμικό και τετραγωνικό. Αξιολογώντας τα αποτελέσματα της ταξινόμησης, θα πρέπει να σημειωθεί ότι η αυτόματη εξαγωγή μορφολογικών δεδομένων και η μοντελοποίηση με τη βοήθεια της μηχανικής μάθησης αποτελούν τόσο γρήγορες όσο και ακριβείς μεθόδους για την ταξινόμηση των ποικιλιών.

Διαθέσιμα αρχεία

Υπηρεσίες

Στατιστικά