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.

Honeydew, image processing, Lighting condition, Segmentation, Watershed