شناسایی شکرک ناشی از آفت پسیل پسته با استفاده از تکنیک پردازش تصویر
عنوان مقاله: شناسایی شکرک ناشی از آفت پسیل پسته با استفاده از تکنیک پردازش تصویر
شناسه ملی مقاله: JR_IJBSE-51-4_007
منتشر شده در در سال 1399
شناسه ملی مقاله: JR_IJBSE-51-4_007
منتشر شده در در سال 1399
مشخصات نویسندگان مقاله:
محمد قربانی - Biosystems Engineering Dept. School of Agriculture, Shahid Bahonar University of Kerman
محمدمهدی مهارلویی - Dept. of Biosystems Engineering, School of Agriculture, Shahid Bahonar University of Kerman, Kerman, Iran
کمال احمدی - Dept of Plant Pathology, School of Agriculture, Shahid Bahonar Unversity of Kerman, Kerman, Iran
خلاصه مقاله:
محمد قربانی - Biosystems Engineering Dept. School of Agriculture, Shahid Bahonar University of Kerman
محمدمهدی مهارلویی - Dept. of Biosystems Engineering, School of Agriculture, Shahid Bahonar University of Kerman, Kerman, Iran
کمال احمدی - Dept of Plant Pathology, School of Agriculture, Shahid Bahonar Unversity of Kerman, Kerman, Iran
مبارزه با آفات و بیماریها همواره جز دغدغههای اصلی کشاورزان بوده است. تشخیص به موقع آفت میتواند در روش مبارزه، حفظ محیط زیست و سلامت انسان بسیار موثر باشد. استفاده از ماشین بینایی و پردازش تصویر با ورود به عرصه کشاورزی کمک قابل توجهی در مبارزه با آفات داشته است. هدف پژوهش حاضر استفاده از این تکنیک برای تشخیص شکرک ناشی از آفت پسیل پسته بوده است. برگها با سطوح متفاوتی از شکرک از باغ جمعآوری شدند و تصویربرداری بوسیله دوربینهایی با وضوحهای ۷، ۱۳ و ۷/۲۰ مگاپیکسل و در شرایط نوردهی یکسان در جعبه تصویربرداری انجام شده است. تصاویر در جعبه ابزار پردازش تصویر نرمافزار متلب ویرایش ۲۰۱۹الف با استفاده از الگوریتمهای قطعهبندی حوضه آبریز و آتسوبرای شناسایی شکرکها پردازش و درصد مساحت شکرکدار برگ محاسبه شد. برای سهولت کار کاربران یک رابط گرافیکی کاربر نیز برای پردازش تصاویر و محاسبه مساحت شکرکدار طراحی گردید. میانگین نرخ طبقهبندی درست در ماتریس آشفتگی برای قطعهبند حوضه آبریز برای تشخیص شکرکها ۹۵/۰ و صحت کلی میانگین ۸۸/۰ بدست آمد. ضریب تبیین و معادله رگرسیونی بین جمعیت آفات و سطوح شکرکدار نمونهها برای دوربینهای مختلف بدست آمد. دوربین با وضوح ۷/۲۰ مگاپیکسل با ضریب تبیین ۹۳/۰= ۲Rو معادله رگرسیونی x۰۳/۱y = توانست بهترین عملکرد را به خود اختصاص دهد. نتایج حاصل از سایر دوربینها نیز قابل قبول بوده و در شرایط متفاوت میتوان از آنها استفاده کرد.
کلمات کلیدی: Honeydew, image processing, Lighting condition, Segmentation, Watershed
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1659946/