تشخیص بیماری های برگی درخت سیب با استفاده از تکنیک آنالیز تصویر
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,678
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCAMEM08_182
تاریخ نمایه سازی: 14 شهریور 1393
چکیده مقاله:
بیماری های گیاهی می توانند باعث کاهش کیفیت و کمیت محصولات کشاورزی شوند. در بعضی از کشورها، کشاورزان زمان قابل توجهی برای مشاوره با گیا ه پزشکان صرف می کنند، در حالیکه زمان عامل مهم در کنترل بیماری می باشد ؛ بنابر این ارائه روشی آسان، سریع، ارزان و دقیق برای تشخیص بیماریهای گیاهی لازم به نظر میرسد. در این تحقیق، با استفاده از روش پردازش تصویر، سه اختلال درخت سیب )بیماری های لکه سیاه سیب،آلترناریا و آفت مینوز( تشخیص داده می شوند. پس از جمع آوری برگ های بیمار و انتقال آن ها به آزمایشگاه، تصاویر برگها تحت شرایط نور کنترل شده تهیه شده و سپس به کمک الگوریتم طراحی شده در نرم افزار MATLAB ابتدا نواحی بیماری روی برگ ها با استفاده از روش خوشه بندی k- میانگین کلاسیک تشخیص و جداسازی شدند و سپس ویژگی های مربوط به رنگ و بافت تصویر نواحی بیماری استخراج شدند. در ادامه چهار مدل توسعه داده شد که مدل اول شامل ویژگی های حاصل از ماتریس هم رویدادی، مدل دوم شامل ویژگی های رنگی، مدل سوم شامل ویژگی های استخراج شده از تبدیل های موجک و فوریه و مدل چهارم شامل همه ویژگی ها بود و سپس با استفاده از شبکه عصبی مصنوعی ANN بیماریهای گیاهی طبقه بندی شدند. نتایج نشان داد که شبکه عصبی مصنوعی به طور موفقیت آمیزی توانست لکه های بیماری مشخص شده با روش خوشه بند k- میانگین کلاسیک را با دقت 100% طبقه بندی کند.
کلیدواژه ها:
نویسندگان
الهام عمرانی
کارشناس ارشد رشته بیوسیستم پردیس کشاورزی و منابع طبیعی دانشگاه تهران
سید سعید محتسبی
استادان و استادیار گروه بیوسیستم پردیس کشاورزی و منابع طبیعی دانشگاه تهران
شاهین رفیعی
استادان و استادیار گروه بیوسیستم پردیس کشاورزی و منابع طبیعی دانشگاه تهران
سلیمان حسین پور
استادان و استادیار گروه بیوسیستم پردیس کشاورزی و منابع طبیعی دانشگاه تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :