کاربرد الگوریتم بازپخت شبیه‌سازی شده در قطعه‌بندی تصاویر آفت

روش‌های سنتی تشخیص آفت نمی‌توانند گروه‌های آفات دانه، چگالی‌(تراکم)ها و پارامترهای دیگر را فراهم کنند. علاوه بر این، با افزایش ثبات دارویی آفات غلات انباری، دسته‌بندی و تراکم آن‌ها در سال‌های اخیر در حال افزایش است، با توسعه تشخیص الگو، پردازش تصویر، الگوریتم هوشمند، فن‌آوری کامپیوتر، توسعه یک سیستم تشخیص جدید ضروری و مبرم است. بخش‌بندی تصویر یک گام کلیدی در این سیستم است. در این مقاله، اساس تقسیم‌بندی تصویر معرفی می‌شود؛ الگوریتم بهبود یافته خوشه‌بندی فازی Cmeans مبتنی بر الگوریتم شبیه‌سازی بازپخت برای ناحیه بندی تصاویر دانه ذخیره شده‌است. آزمایش‌ها شبیه‌سازی Matlab نشان می‌دهد که این روش موثرتر از خوشه‌بندی C – means فازی و الگوریتم تقسیم‌بندی کلاسیک است، و می‌تواند تصویر آسیب‌دیده را بهتر بخش‌بندی کند.

Traditional pest detection methods can’t provide the grain pests’ categories, densities and other parameters. In addition, with the increase of the stored-grain pests’ drug fastness, their categories and densities are increasing in recent years, With the development of pattern recognition, image processing, intelligent algorithm, computer technology, develop a new detection system is necessary and imperious. Image segmentation is a key step in this system. In this paper, the basis of image segmentation is introduced; the improved fuzzy C-means clustering based on simulated annealing algorithm is applied to the stored-grain image segmentation. The Matlab simulation experiments demonstrate that this method is more effective than fuzzy C-means clustering and classic segmentation algorithm, and it can segment the pest image better.