حدیث بی آبی؛ سامان آبدانان مهدی زاده؛ محمدرضا صالحی سلمی
چکیده
تشخیص خودکار و بهموقع بیماریهای گیاهی، یک موضوع اساسی در نظارت و تولید محصولات سالم و باکیفیت است. لذا طراحی و توسعه روشی سریع، خودکار، ارزان و دقیق بهمنظور تشخیص بیماری گیاهان در مراحل اولیه از اهمیت بهسزایی برخوردار است. در این پژوهش تصاویر از 40 لیلیوم آلوده به بیماری آتشک و 40 گیاه سالم توسط دوربین دیجیتال اخذ و پس از تقسیمبندی ...
بیشتر
تشخیص خودکار و بهموقع بیماریهای گیاهی، یک موضوع اساسی در نظارت و تولید محصولات سالم و باکیفیت است. لذا طراحی و توسعه روشی سریع، خودکار، ارزان و دقیق بهمنظور تشخیص بیماری گیاهان در مراحل اولیه از اهمیت بهسزایی برخوردار است. در این پژوهش تصاویر از 40 لیلیوم آلوده به بیماری آتشک و 40 گیاه سالم توسط دوربین دیجیتال اخذ و پس از تقسیمبندی تصاویر تعداد 9 ویژگی رنگی از سه کانال RGB، Lab و HSV از ساقه و برگ گیاه و همچنین یک ویژگی مورفولوژیکی (طول ساقه) از گیاه استخراج شد. با اعمال الگوریتم پرچینهای زبانی طی 100 هزار تکرار موثرترین این ویژگیها (L برگ، L ساقه، a برگ، b برگ، H برگ، b ساقه، H ساقه، V برگ و طول ساقه) انتخاب و بهوسیله خوشهبند k-means گروهبندی شدند. در نهایت نشان داده شد که دقت خوشهبند برای دو گونه بیمار، سالم و دقت کلی بهترتیب برابر با 42/96 و 100 و 63/97 درصد بهدست آمد.