روش مبتنی بر پردازش تصویر به منظور تشخیص خودکار بیماری برگ درخت انگور
عنوان مقاله: روش مبتنی بر پردازش تصویر به منظور تشخیص خودکار بیماری برگ درخت انگور
شناسه ملی مقاله: JR_IJBSE-53-1_004
منتشر شده در در سال 1401
شناسه ملی مقاله: JR_IJBSE-53-1_004
منتشر شده در در سال 1401
مشخصات نویسندگان مقاله:
سجاد نصیری - گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه بناب، بناب، ایران
مصطفی خجسته نژند - گروه مهندسی مکانیک، دانشکده فنی و مهندسی، دانشگاه بناب، بناب، ایران
خلاصه مقاله:
سجاد نصیری - گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه بناب، بناب، ایران
مصطفی خجسته نژند - گروه مهندسی مکانیک، دانشکده فنی و مهندسی، دانشگاه بناب، بناب، ایران
تشخیص سریع و پیشگیری از گسترش بیماری محصولات کشاورزی، میتواند تلفات مقابله با بیماری را به میزان قابل توجهی کاهش دهد. در این پژوهش، سامانهای هوشمند بر مبنای پردازش تصویر برای تشخیص بیماریهای برگ درخت انگور (Sultana - Vitis vinifera) ارائه گردیده است. بدین منظور، ویژگیهای مختلف بافت تصویر از هیستوگرام سطح خاکستری (GLH)، ماتریس هم-رخداد سطح خاکستری (GLCM)، ماتریس طول بردار سطح خاکستری (GLRM) و الگوی دودویی محلی (LBP) استخراج شد. برای مدلسازی ویژگیها، از دو مدل شبکه عصبی (ANN) و ماشین بردار پشتیبان (SVM) استفاده شد. پایگاه داده مورد استفاده، متشکل از ۴۰۶۲ تصویر، شامل برگ سالم، مبتلا به پوسیدگی سیاه، اسکا و لکه ایزاریوپسیس است. نتایج نشان دادند که مدل SVM با استفاده از ویژگیهای GLRM با متوسط دقت ۷۰/۸۹% بهترین عملکرد را از خود نشان داد. همچنین نتایج نشان دادند، استفاده از تمام ویژگیهای استخراج یافته به صورت بردار ویژگی واحد، افزایش دقت دستهبندی را به دنبال دارد. مدل SVM و ANN با استفاده از تمام ویژگیها بترتیب برای دادههای آموزشی دقت ۱۰/۹۱%، ۰۴/۹۵ % و برای دادههای آزمون میزان دقت ۹۳/۸۹% و ۷۵/۹۱% را نتیجه دادند. در نهایت، با استفاده از الگوریتم کلونی زنبور ژنتیکی (GBC) و کاهش تعداد ویژگیها به ۳۴ و ۴۶ به ترتیب برای مدلهای ANN و SVM میانگین دقت ۲۰/۹۷% و ۱۰/۹۴% برای آموزش و آزمون مدل ANN و ۰۱/۹۳% و ۳۳/۹۲% برای آموزش و آزمون مدل SVM به دست آمد که نشان دهنده بهبود نتایج توسط الگوریتم GBC میباشد. روش پیشنهادی در تشخیص بیماریهای برگ انگور کارآمد ارزیابی شد.
کلمات کلیدی: یادگیری ماشین, تحلیل بافت تصویر, پوسیدگی سیاه انگور, اسکای انگور, لکه ایزاریوپسیس
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1658197/