ساخت و ارزیابی سامانه خبره تشخیص حمله زنبورخوار به کندو به منظور کاهش تلفات | ||
| مهندسی بیوسیستم ایران | ||
| مقاله 94، دوره 50، شماره 4، زمستان 1398، صفحه 991-1004 اصل مقاله (1.32 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijbse.2019.276290.665165 | ||
| نویسندگان | ||
| زهرا عبداله زارغ1؛ نواب کاظمی2؛ سامان آبدانان مهدی زاده* 2 | ||
| 1دانشجوی دکتری گروه مکانیک بیوسیستم و مکانیزاسیون، دانشکده مهندسی زراعی و عمران روستایی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، اهواز، ایران | ||
| 2استادیار گروه مکانیک بیوسیستم مکانیزاسیون، دانشکده مهندسی زراعی و عمران روستایی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، اهواز، ایران | ||
| چکیده | ||
| نظارت فعالانه کندو با استفاده از یک شبکه حسگر که قادر به ثبت و ضبط تمامی شرایط کندو جهت شناخت شرایط زندگی زنبورهای درون کندو باشد، کمک شایانی به اتخاذ تصمیم توسط زنبوردار در شرایط حمله دشمنان خارجی و جلوگیری از فروپاشی جمعیت زنبورعسل مینماید. بدین منظور در پژوهش حاضر سامانهای خبره جهت تشخیص حمله پرنده زنبورخوار شامل حسگرهای دما، صوت، رطوبت و اتانول توسعه یافت. پس از جمعآوری دادهها تحت دو شرایط نرمال و حمله پرنده زنبورخوار (سبزقبا) و استخراج ویژگی در دو حوزه زمان و فرکانس، انتخاب ویژگی با استفاده از الگوریتم ژنتیک و سپس طبقهبندی ویژگیها با استفاده از K نزدیکترین همسایه[1] صورت پذیرفت. بر اساس نتایج بدست آمده از بین 19 ویژگی انتخاب شده، پنج ویژگی شامل آنتروپی طیفی، انرژی صوت، شدت بیشینه صوت، کمینه الکل و فرکانس غالب به ترتیب با 8967، 6018، 1321، 1287 و 809 وقوع به عنوان تأثیرگذارترین ویژگیها وارد طبقهبند شدند. طبقهبند KNN برای معیارهای صحت، دقت، حساسیت، نمره F، خصوصیت و میانگین هندسی بیشینه (100%) و نرخ مثبت کاذب (FPR) کمینه (صفر) شد که نشان دهندهی عملکرد خوب سامانه خبره تشخیص حمله پرنده به کندو است. [1]. K-Nearest Neighborhood | ||
| کلیدواژهها | ||
| کندوی هوشمند؛ پرنده زنبورخوار (سبزقبا)؛ الگوریتم ژنتیک؛ طبقهبند K نزدیکترین همسایگی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 931 تعداد دریافت فایل اصل مقاله: 820 |
||