در این پست دسته بندی خاک با الگوریتم SVM یا الگوریتم ماشین بردار پشتیبان چند کلاسه از روی تصاویر را در نرم افزار MATLAB آماده کردیم که در واقع پیاده سازی مقاله Machine Learning in Soil Classification می باشد. این سورس کد یک پروژه مناسب در حوضه ی پردازش تصویر، بینایی ماشین، رشته مهندسی عمران ، علوم و مهندسی خاک ، خاک شناسی و مهندسی کشاورزی است. در ادامه به معرفی این پروژه و توضیحاتی در رابطه با تشخیص و دسته بندی یا طبقه بندی خاک پرداخته شده است.
برنامه‌نویس: تیم برنامه نویسی پی استور
متشکل از اساتید و فارغ التحصیلان رشته های فنی - مهندسی
تیم برنامه نویسی پی استور یکی از اولین گروه های تشکیل شده در مجموعه آموزشی پی استور می باشد. این تیم از اساتید مجرب و فارغ التحصیلان رشته های فنی و مهندسی تشکیل شده که در زمینه های مختلف برنامه نویسی و تهیه سورس کد فعال هستند.
معرفی مقاله تشخیص و دسته بندی انواع خاک
در این مقاله یک روش خودکار برای تشخیص و دسته بندی یا طبقه بندی انواع خاک ارائه شده است که یک پروژه عالی در زمینه بینایی ماشین است. در مرحله اول، الگوریتم ماشین بردار پشتیبان اقدام به تقسیم بندی می کند. در مرحله دوم، ویژگی های برجسته از این بخش ها استخراج می شود.
خاک های بررسی شده در تشخیص و دسته بندی انواع خاک از تصاویر
در پروژه تشخیص انواع خاک با الگوریتم SVM به طبقه بندی ۷ نوع مختلف از خاک پرداخته شده است که شامل موارد زیر است:
- خاک رس (Clay)
- زغال سنگ نارس رس دار (Clayey Peat)
- شن و ماسه رس دار (Clayey Sand)
- گیاخاک (Humus)
- ذغال سنگ نارس (Peat)
- خاک رس شنی (Sandy Clay)
- شن و ماسه سیلتی یا لای (Silty Sand)
دسته بندی انواع خاک
خاک ها از نگاه ژئوتکنیک به دو دسته کلی درشت دانه و ریزدانه طبقه بندی می شوند اما از نگاه علم خاک شناسی، خاک ها به سه دسته درشت بافت مانند خاک های شنی و متوسط بافت مانند لای و ماسه و ریز بافت مانند خاک های رسی تقسیم بندی می شوند. خاک های که بافت درشت تر دارند حجم منافذ آنها نسبت به خاک های ریز بافت بیشتر هستند اما در آنها ظرفیت نگهداری آب به دلیل بزرگی قطر خلل و فرج کمتر می باشد.
حجم خلل و فرج در خاک های رسی کمتر از خاک های ماسه ای و شنی است اما در نگهداری آب ظرفیت بیشتری دارند. نفوذ پذیری بیشتری در خاک های ماسه ای نسبت به خاک های رسی وجود داشته و آب جذب نکرده و راحتی از دست می دهند و همینطور توانایی ذخیره سازی رطوبت در آنها کمتر از خاک های ریز بافت می باشد.
تصاویری از خروجی محصول
ویدئوی معرفی
درباره محصول
دسته بندی خاک با الگوریتم SVM در متلب عنوان محصولی است که در این پست به تشخیص انواع خاک با الگوریتم SVM پرداخته شده است. محصول در نرم افزار متلب 2017 نوشته شده و بصورت کامل توسط گروه پشتیبانی پی استور تست و اجرا شده است. محصول دارای نشان تضمین کیفیت پی استور می باشد. برای دانلود محصول آن را خریداری کنید.
تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این محصول توسط پی استور تضمین شده و در صورت عدم رضایت از محصول، به انتخاب شما:
- ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
- و یا 80 درصد مبلغ پرداختی به حساب بانکی شما عودت داده می‌شود.
تاکنون 268 نفر این محصول را تهیه کرده اند و 1 نظر برای آن ثبت شده است.
مدیریت و پشتیبانی
نظرات و پیشنهادات خود را با ما در میان بگذارید.