نوع مقاله : مقاله پژوهشی

نویسندگان

• مهدی صادق زاده ¹
• امیرحسین حسینی خطبه سرا ²

¹ گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران.

² دانش آموخته کارشناسی ارشد گروه مهندسی کامپیوتر ، دانشگاه آزاد اسلامی واحد علوم و تحقیقات ، تهران ، ایران.

چکیده

در این پژوهش، یک سامانه هوشمند تحت وب برای تشخیص بیماری‌های برگ درخت کیوی از طریق تحلیل تصاویر ارائه شده است. سامانه پیشنهادی قادر به شناسایی چهار وضعیت شامل سالم، نماتد، آلترناریا و فیتوفتورا است. ارزیابی سامانه با استفاده از مجموعه‌داده مرجع AgriVision-Kiwi انجام شد که در مطالعات پیشین برای تشخیص بیماری‌های برگ کیوی مورد استفاده قرار گرفته است. در گام نخست، برای آشکارسازی ناحیه برگ‌ها از الگوریتم You Only Look Once نسخه ۱۱ (YOLOv11) استفاده شد. سپس تشخیص بیماری با بهره‌گیری از معماری یادگیری عمیق MobileNet-V3 انجام گرفت. 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 بر روی مجموعه‌داده AgriVision-Kiwi با استفاده از اعتبارسنجی متقاطع ۱۰ بخشی نشان داد که مقدار صحت کلی (Accuracy) برابر با ۹۹.۷۰۳٪، دقت میانگین ماکرو (Macro Precision) برابر با ۹۹.۷۱۱۹٪، بازخوانی میانگین ماکرو (Macro Recall) برابر با ۹۹.۷۰۳٪ و معیار F1 میانگین ماکرو برابر با ۹۹.۷۰۳٪ است. این نتایج بیانگر توانایی سامانه در شناسایی چهار وضعیت برگ سالم، نماتد، آلترناریا و فیتوفتورا است و نشان می‌دهد که سامانه پیشنهادی از ظرفیت مناسبی برای کاربرد در محیط‌های واقعی باغات کیوی برخوردار است. 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.

کلیدواژه‌ها

• تشخیص بیماری برگ کیوی
• یادگیری عمیق
• شبکه عصبی کانولوشنی
• سامانه هوشمند تحت وب
• بینایی ماشین