رویا راد؛ محمد موسوی؛ فاطمه وردی
چکیده
تشخیص سریع بیماری‌های گیاهان همواره از چالش‌های مهم صنعت کشاورزی بوده است. یکی از رویکردهایی که در این زمینه مورد استقبال واقع شده، استفاده از روشهای پردازش تصویر است. مزیت این روشها در خودکار، سریع، کمهزینه، غیرتخریبی و دقیق بودن آنهاست. در این پژوهش، با پردازش تصویر برگ گیاهانو محصولات کشاورزی، ضمن تشخیص گیاهان سالم از ...
بیشتر
تشخیص سریع بیماری‌های گیاهان همواره از چالش‌های مهم صنعت کشاورزی بوده است. یکی از رویکردهایی که در این زمینه مورد استقبال واقع شده، استفاده از روشهای پردازش تصویر است. مزیت این روشها در خودکار، سریع، کمهزینه، غیرتخریبی و دقیق بودن آنهاست. در این پژوهش، با پردازش تصویر برگ گیاهانو محصولات کشاورزی، ضمن تشخیص گیاهان سالم از ناسالم، نوع و شدت بیماری آنها نیز به صورت خودکار تشخیص داده میشود. برای این کار از روشهای مبتنی بر یادگیری عمیق شامل چندین معماری مختلف از شبکههای عصبی پیچشی به همراه دستهبند ماشین بردار پشتیباناستفاده شده است. روش پیشنهادی در این پژوهش قابل تعمیم به گیاهان و محصولات مختلف و همین‌طور به چندین گیاه به طور همزمان است. شبکههای طراحی شده با استفاده از دو زیرمجموعۀ متفاوت از تصاویر مجموعه داده Plant Villageآموزش داده شد و مورد ارزیابی قرار گرفت. در زیرمجموعۀ اول که مربوط به تشخیص بیماری درخت سیب در چهار کلاس مختلف بود، دقت 95 درصد و در زیرمجموعۀ دوم که مربوط به چهار گیاه مختلف و در 10 دسته بود، دقت 8/96 درصد به دست آمد. نتایجِ ارزیابی نشان داد ترکیبِ دستهبند ماشین بردار پشتیبان با شبکههای یادگیری عمیق، دقت تشخیص بیماری گیاهان را بهبود میبخشد.
