نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشجوی دکتری، گروه مهندسی بیوسیستم، واحد تاکستان، دانشگاه آزاد اسلامی، تاکستان، ایران
2 گروه مهندسی بیوسیستم، واحد تاکستان،دانشگاه آزاد اسلامی، تاکستان، ایران.
3 گروه مهندسی مکانیک، واحد شهر قدس، دانشگاه آزاد اسلامی، تهران، ایران
چکیده
امروزه تکنیکهای هوش مصنوعی و فناوریهای یادگیری ماشین، شناسایی و طبقهبندی بیماریهای گیاهی را تسهیل کرده است. در این پژوهش به منظور تشخیص و طبقهبندی برخی بیماریهای برگ گیاه انگور با نامهای پوسیدگی سیاه، اسکای (زوال) و لکه برگی، پس از حذف پس زمینه از تصاویر برگها و استخراج ویژگیهای بافت، رنگ و شکل از تصاویر، از ترکیبی از طبقهبند ماشین بردار پشتیبان و الگوریتم بهینه سازی پروانه برای انتخاب مهمترین ویژگیها در تشخیص بیماری برگ گیاه انگور استفاده شد. نتایج صحت طبقهبندی برای بیماریهای پوسیدگی سیاه، اسکای (زوال) و لکه برگی و برگ سالم به ترتیب 100، 100، 100 و 95 درصد و دقت طبقه بندی برای تشخیص کل گروههای بیمار و سالم 75/98 درصد بدست آمد. نتایج طبقه بندی نشان داد که استفاده از پردازش تصویر و یادگیری ماشین توانایی بالایی را در تشخیص و طبقه بندی بیماری های گیاهی دارد. همچنین 15 ویژگی بافت، رنگ و شکل به کمک الگوریتم انتخاب ویژگی بهینهسازی پروانه به پژوهشگران بیماری شناسی گیاهی و علوم داده معرفی شد. نتایج نشان داد که استفاده از تکنیکهای پردازش تصویر و هوش مصنوعی توانایی خوبی در تشخیص بیماری های گیاهی در کنار تخصص گیاه پزشکان دارد.
کلیدواژهها