به کارگیری پردازش تصویر برای امنیت غذایی پایدار (مطالعه موردی شناسایی بیماری گوجه فرنگی با استفاده از جنگل تصادفی)

Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 110

This Paper With 10 Page And PDF and WORD Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

WATERSHED17_123

تاریخ نمایه سازی: 28 اسفند 1401

Abstract:

با افزایش جمعیت، امنیت غذایی پایدار ضرورت بیشتری خواهد داشت. تشخیص زودهنگام بیماری برای جلوگیری از مراحل متوالی بیماری در گیاهان ضروری است. تشخیص دستی با چشم غیرمسلح روش سنتی است که به طور گسترده توسط کشاورزان برای شناسایی بیماری های گیاهی استفاده می شود. با این حال، زمانی که این کار شامل تشخیص حضوری بیماری باشد، مشکلاتی مانند استخدام متخصصان حوزه، مصرف زمان و نتایج نادرست ایجاد می شود. نتایج متناقض ممکن است منجر به درمان نادرست گیاهان شود. برای غلبه بر این مشکل، محققان تشخیص خودکار بیماری با استفاده از پردازش تصویر را پیشنهاد داده اند. این به کشاورزان کمک می کند تا بیماری را به سرعت و بدون نیاز به متخصص تشخیص دهند. این مقاله به طور موردی مدلی را برای طبقه بندی گیاه گوجه فرنگی دارای بیماری موزاییک معمولی و گیاه سالم از روی برگ گیاه ایجاد می کند. برای شروع، تصویر با تغییر اندازه و تبدیل به فضای رنگی RGB و HSV پیش پردازش می شود. بخش بندی تصویر انجام می شود. ویژگی های کلی لحظه ای hu، هارالیک و هیستوگرام رنگی استخراج و به هم متصل می شوند. داده ها به بخش آموزشی و بخش آزمایشی در نسبت های ۷۰:۳۰ تقسیم می شوند. تصاویر با استفاده از طبقه بندی کننده های متعدد مانند رگرسیون لجستیک، طبقه بندی کننده جنگل تصادفی، طبقه بندی کننده درخت تصمیم، طبقه بندی کننده KNN، آنالیز تشخیص خطی، ماشین بردار پشتیبان و گاوسی ساده آموزش داده می شوند. این مطالعه طبقه بندی کننده جنگل تصادفی را به عنوان بهترین طبقه بندی کننده گزارش می کند. دقت مدل پیشنهادی پس از آموزش ۹۶/۵۷ درصد و پس از آزمون ۹۲/۳۳ درصد می باشد.

Authors

محمد هاشمی نژاد

استادیار (نویسنده مسئول)، گروه مهندسی برق، دانشکده فنی و مهندسی، دانشگاه جیرفت