امیرحسین حسینی خطبه سرا؛ مهدی صادق زاده
چکیده
در این پژوهش، یک سامانه هوشمند تحت وب برای تشخیص بیماریهای برگ درخت کیوی از طریق تحلیل تصاویر آن ارائه شده است. سامانه پیشنهادی میتواند این چهار وضعیت برگ را شناسایی کند: سالم بودن برگ، آلوده بودن ریشه کیوی به نماتد، آلوده بودن برگ به آلترناریا و آلوده بودن برگ به فیتوفتورا. ارزیابی سامانه با استفاده از مجموعه داده مرجع AgriVision-Kiwi ...
بیشتر
در این پژوهش، یک سامانه هوشمند تحت وب برای تشخیص بیماریهای برگ درخت کیوی از طریق تحلیل تصاویر آن ارائه شده است. سامانه پیشنهادی میتواند این چهار وضعیت برگ را شناسایی کند: سالم بودن برگ، آلوده بودن ریشه کیوی به نماتد، آلوده بودن برگ به آلترناریا و آلوده بودن برگ به فیتوفتورا. ارزیابی سامانه با استفاده از مجموعه داده مرجع AgriVision-Kiwi انجام شد که در مطالعات پیشین برای تشخیص بیماریهای برگ کیوی استفاده شده است. در گام نخست، برای آشکارسازی ناحیه برگها از الگوریتمYou Only Look Once نسخه ۱۱ (YOLOv11) استفاده شد. پس از آن، بیماری با بهرهگیری از معماری یادگیری عمیق MobileNet-V3 تشخیص داده شد. سامانه با استفاده از زبان پایتون و چارچوب FastAPI توسعه یافته و مدیریت دادهها از طریق پایگاه داده MySQL صورت گرفته است. نتایج ارزیابی سامانه پیشنهادی روی مجموعه داده AgriVision-Kiwi با استفاده از اعتبارسنجی متقاطع 10 بخشی نشان داد که مقدار صحت کلی برابر با 703/99 درصد، دقت میانگین ماکرو برابر با 712/99 درصد، حساسیت میانگین ماکرو برابر با 703/99 درصد و معیار F1 میانگین ماکرو برابر با 703/99 درصد است. این نتایج بیانگر توانایی سامانه در شناسایی چهار وضعیت برگ است: سالم بودن برگ، آلوده بودن ریشه کیوی به نماتد، آلوده بودن برگ آلترناریا و آلوده بودن برگ فیتوفتورا. یافتهها همچنین نشان میدهند که سامانه پیشنهادی ظرفیت مناسبی برای کاربرد در محیطهای واقعی باغ های کیوی دارد. علاوه بر این، ماهیت تحت وب سامانه موجب افزایش دسترسپذیری برای کاربران شده و امکان استفاده در شرایط واقعی باغ بدون نیاز به تجهیزات پیچیده را فراهم میکند.
