ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

تشخیص بیماری لکه موجی گیاه گوجه فرنگی بر پایه طیف سنجی مرئی/ فروسرخ نزدیک و تجزیه مولفه های اصلی- شبکه عصبی مصنوعی قبل از ظهور علائم بیماری

تشخیص بیماری لکه موجی گیاه گوجه فرنگی بر پایه طیف سنجی مرئی/ فروسرخ نزدیک و تجزیه مولفه های اصلی- شبکه عصبی مصنوعی قبل از ظهور علائم بیماری
Year: 1401
COI: JR_JAM-12-1_007
Language: PersianView: 166
This Paper With 14 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 14 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

فرزاد آزادشهرکی - موسسه تحقیقات فنی و مهندسی کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
کسری شریفی - بخش تحقیقات بیماری های گیاهان، موسسه تحقیقات گیاهپزشکی کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران
بهاره جمشیدی - موسسه تحقیقات فنی و مهندسی کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
روح الله کریم زاده - دانشکده فیزیک، دانشگاه شهید بهشتی، تهران، ایران
هانیه نادری - شرکت واندا اطلس، کرج، ایران

Abstract:

تشخیص زودهنگام بیماری گیاهان قبل از وقوع علائم، می تواند افت عملکرد را محصول را کاهش داده و کیفیت آن را افزایش دهد. این امر همچنین مصرف سموم شیمیایی، مشکلات زیست محیطی و هزینه تولید را کاهش می دهد. هدف از انجام این تحقیق، تشخیص غیر تخریبی بیماری لکه موجی گیاه گوجه فرنگی و همچنین تشخیص مهم ترین عوامل بیماری زای آن (A. solani, A. alternate) از یکدیگر در مراحل اولیه بیماری، قبل از بروز علائم ظاهری، با استفاده از طیف سنجی مرئی/ فروسرخ نزدیک (۴۰۰-۹۰۰ نانومتر) بود. داده های طیفی از برگ های گیاهان آلوده بهA. alternate و A. solani در ۴۸، ۷۲، ۹۶ و ۱۲۰ ساعت بعد از تلقیح بیماری استخراج شدند. به منظور توسعه مدل های تشخیص بر اساس داده های طیفی، از تجزیه مولفه های اصلی (PCA) همراه با شبکه عصبی مصنوعی (ANN) استفاده شد. نتایج نشان داد که مدل PCA-ANN توانست گیاهان آلوده و نوع پاتوژن را با دقت ۹۳-۱۰۰ درصد در نمونه های تست شناسایی کند. در ۹۶ ساعت بعد از تلقیح، علاوه بر به دست آمدن مدل ساده تر پیش بینی (۸ مولفه اصلی و ۳ نرون در لایه مخفی)، دقت ۱۰۰ درصد تشخیص حاصل شد. مدل های تدوین شده، در تمامی زمان های بعد از تلقیح، در تشخیص گیاهان آلوده با A. solani که دارای قدرت بیماری زایی بالایی می باشد نسبت به گیاهان سالم، هیچ خطایی نداشتند. استفاده از طیف سنجی مرئی/ فروسرخ نزدیک (۴۰۰-۹۰۰ نانومتر) همراه با PCA-ANN توانست بیماری لکه موجی گوجه فرنگی و نوع پاتوژن آن را قبل از بروز علائم ظاهری (با دقت ۱۰۰-۹۳ درصد) بدون هیچ آماده سازی گیاه، به صورت غیر مخرب تشخیص دهد. نتایج این پژوهش نشان داد که این تکنیک می تواند برای تشخیص سریع، کم هزینه و زودهنگام این بیماری گوجه فرنگی به جای روش های آزمایشگاهی زمان بر، گران و مخرب به کار رود.

Keywords:

تجزیه مولفه های اصلی , طیف سنجی فروسزخ نزدیک , گوجه فرنگی , لکه موجی

Paper COI Code

This Paper COI Code is JR_JAM-12-1_007. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/1280442/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
آزادشهرکی، فرزاد و شریفی، کسری و جمشیدی، بهاره و کریم زاده، روح الله و نادری، هانیه،1401،تشخیص بیماری لکه موجی گیاه گوجه فرنگی بر پایه طیف سنجی مرئی/ فروسرخ نزدیک و تجزیه مولفه های اصلی- شبکه عصبی مصنوعی قبل از ظهور علائم بیماری،https://civilica.com/doc/1280442

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :

  • Adhikari, P., Y. Oh, and D. R. Panthee. ۲۰۱۷. Current ...
  • Atherton, D., D. G. Watson, M. Zhang, Z. Qin, and ...
  • Atherton, D., R. Choudhary, and D. Watson. ۲۰۱۷. Hyperspectral remote ...
  • Azadshahraki, F., B. Jamshidi, and V. R. Sharabiani. ۲۰۱۸. Non-destructive ...
  • Babagoli, M. A., and E. Behdad. ۲۰۱۲. Effects of three ...
  • Brown, D. J., R. S. Bricklemyer, and P. R. Miller. ...
  • Castro, W., J. Oblitas, R. Santa-Cruz, and H. Avila-George. ۲۰۱۷. ...
  • Cen, H., and Y. He. ۲۰۰۷. Theory and application of ...
  • Chaerani, R., and R. E. Voorrips. ۲۰۰۶. Tomato early blight ...
  • Chaerani, R., R. Groenwold, P. Stam, and R. E. Voorrips. ...
  • Dai, Q., J. H. Cheng, D. W. Sun, H. Pu, ...
  • Ding, S., K. Meinholz, K. Cleveland, S. A. Jordan, and ...
  • Ershad, D. ۲۰۰۹. Fungi of Iran. ۳rd edition, Iranian Research ...
  • Fulton, T. M., J. Chunwongse, and S. D. Tanksley. ۱۹۹۵. ...
  • Gold, K. M., P. A. Townsend, A. Chlus, I. Herrmann, ...
  • Ghanei Ghooshkhaneh, N., M. R. Golzarian, and M. Mamarabadi. ۲۰۱۸. ...
  • Jamshidi, B., Minaei, E. Mohajerani, and H. Ghassemian. ۲۰۱۵. Pattern ...
  • Jinendra, B., K. Tamaki, S. Kuroki, M. Vassileva, S. Yoshida, ...
  • Mireei, S. A., S. S. Mohtasebi, R. Massudi, S. Rafiee, ...
  • Minich, D. M. ۲۰۱۹. A review of the science of ...
  • Mouazen, A. M., W. Saeys, J. Xing, J. De Baerdemaeker, ...
  • Nicolai, B. M., K. Beullens, E. Bobelyn, A. Peirs, W. ...
  • Nicolai, B. M., T. Defraeye, B. De Ketelaere, E. Herremans, ...
  • Omid, M., A. Mahmoudi, and M. H. Omid. ۲۰۱۰. Development ...
  • Pan, L., Q. Zhang, W. Zhang, Y. Sun, P. Hu, ...
  • Purcell, D. E., M. G. O'Shea, R. A. Johnson, S. ...
  • Rotem, J. ۱۹۹۴. The genus Alternaria: biology, epidemiology, and pathogenicity. ...
  • Salchenberger, L. M., E. M. Cinar, and N. A. Lash. ...
  • Sankaran, S., A. Mishra, J. M. Maja, and R. Ehsani. ...
  • Sigmund, R., and E. Gustav. ۱۹۹۱. The cultivated plants of ...
  • Sankaran, S., R. Ehsani, S. A. Inch, and R. C. ...
  • Sankaran, S., and R. Ehsani. ۲۰۱۳. Comparison of visible-near infrared ...
  • Sherf, A. F., and A. A. MacNab. ۱۹۸۶. Vegetable diseases ...
  • Simmons, E. G. ۲۰۰۰. Alternaria themes and variations (۲۴۴-۲۸۶) species ...
  • Song, Y., Q. Diao, and H. Qi. ۲۰۱۵. Polyamine metabolism ...
  • Teye, E., X. Y. Huang, and N. Afoakwa. ۲۰۱۳. Review ...
  • Taiz, L., and E. Zeiger. ۲۰۰۲. Plant Physiology. ۳rd ed ...
  • Thomma, B. P. ۲۰۰۳. Alternaria: from general saprophyte to specific ...
  • Wold, S., M. Sjöström, and L. Eriksson. ۲۰۰۱. PLS-regression: a ...
  • Xie, C., Y. Shao, X. Li, and Y. He. ۲۰۱۵. ...
  • Xie, C., and Y. He. ۲۰۱۶. Spectrum and image texture ...
  • Yin, X., and S. Zhao. ۲۰۱۳. Hyperspectral recognition of processing ...
  • Yoplac, I., H. Avila-George, L. Vargas, P. Robert, and W. ...
  • Zhang, D., J. Y. He, P. Haddadi, J. H. Zhu, ...
  • Zitter, T. A., J. L. Drennan, M. A. Mutschler, and ...
  • Research Info Management

    Certificate | Report | من نویسنده این مقاله هستم

    اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    Scientometrics

    The specifications of the publisher center of this Paper are as follows:
    Type of center: سازمان تحقیقات کشاورزی
    Paper count: 763
    In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

    Share this page

    More information about COI

    COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

    The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

    Support