توسعه یک سامانه ترکیبی جدید به منظور تشخیص بیماری های برگ درخت سیب
Publish place: Biosystem Engineering Journal of Iran، Vol: 49، Issue: 2
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 126
This Paper With 11 Page And PDF 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:
شناسه ملی سند علمی:
JR_IJBSE-49-2_006
تاریخ نمایه سازی: 31 اردیبهشت 1402
Abstract:
هر ساله بیماریهای گیاهی موجب خسارتهای قابل توجهی در بخش کشاورزی میشوند که میتوان تاثیر آنرا در چرخهی اقتصادی کشورها و امنیت غذایی مردم احساس نمود. تشخیص زودهنگام بیماریهای گیاهی راهکاری مفید برای کاهش این خسارتها میباشد. در سالهای اخیر محققان مختلف از روشهایی چون تصویربرداری برای تشخیص بیماریهای گیاهی استفاده نمودهاند. در این تحقیق یک سامانه جدید، متشکل از روش پردازش تصویر دیجیتال و مدل ترکیبی شبکه عصبی بهمنظور تشخیص سه بیماری برگ درخت سیب (بیماریهای لکه سیاه سیب، آلترناریا و آفت مینوز) بکار گرفته شد. در واقع از فرایند روش پردازش تصویر دیجیتال برای تهیه، پردازش و استخراج ویژگیهای هر یک از تصاویر نمونهها و از مدل ترکیبی شبکه عصبی مصنوعی برای طبقهبندی بیماریها استفاده گردید. در این مدل برای آموزش شبکه از دو الگوریتم بهینهسازی ازدحام ذرات (PSO) و الگوریتم لونبرگ مارکوارت (LM) استفاده شد. در ادامه عملکرد سامانه پیشنهادی در تشخیص بیماریهای درخت سیب مورد ارزیابی قرار گرفته و مشاهده گردید که این سامانه در تشخیص بیماری فوق الذکر با دقت ۹۹ درصد و شاخصهای ۹۸۵/۰= R۲ و ۰۹۹/۰= RMSE عملکرد مناسبی دارد و همچنین در مقایسه با سایر روشهای انجام شده توسط دیگر محققان، در تشخیص بیماریهای برگ درخت سیب توانایی بالاتری دارد.
Keywords:
Authors
زهره قاسمی ورجانی
ماشین های کشاورزی، دانشکده مهندسی و فناوری دانشگاه تهران
سید سعید محتسبی
دانشگاه تهران
هادی قاسمی
مهندسی عمران،دانشکده عمران محیط زیست دانشگاه امیرکبیر
الهام عمرانی
ماشین های کشاورزی، دانشکده مهندسی و فناوری دانشگاه تهران
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 :