سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

تشخیص سه نوع بیماری برگ انگور بر پایه پردازش تصویر با استفاده از الگوریتم بهینه ساز پروانه و ماشین بردار پشتیبان

Publish Year: 1403
Type: Journal paper
Language: Persian
View: 118

This Paper With 16 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

JR_ERAMS-24-87_004

Index date: 2 December 2024

تشخیص سه نوع بیماری برگ انگور بر پایه پردازش تصویر با استفاده از الگوریتم بهینه ساز پروانه و ماشین بردار پشتیبان abstract

امروزه تکنیک های هوش مصنوعی و فناوری های یادگیری ماشین توانسته است شناسایی و طبقه بندی بیماری های گیاهی را آسان کند. در این پژوهش، به منظور تشخیص و طبقه­بندی برخی بیماری­های برگ گیاه انگور با نام­های پوسیدگی سیاه، اسکای (زوال) و لکه برگی، پس از حذف پس زمینه از تصویر برگ­ها و استخراج ویژگی­های بافت و رنگ و شکل از تصاویر، از ترکیبی از طبقه­بند ماشین بردار پشتیبان و الگوریتم بهینه ساز پروانه برای انتخاب مهم­ترین ویژگی­ها در تشخیص بیماری برگ گیاه انگور استفاده شد. نتایج صحت طبقه­بندی برای بیماری­های پوسیدگی سیاه، اسکای (زوال) و لکه برگی و برگ سالم به ترتیب ۱۰۰، ۱۰۰، ۱۰۰ و ۹۵ درصد و دقت طبقه بندی برای تشخیص کل گروه­های بیمار و سالم ۷۵/۹۸ درصد به ­دست آمد. نتایج طبقه­بندی نشان داد که توان پردازش تصویر و یادگیری ماشین در تشخیص و طبقه­بندی برخی بیماری­های گیاهی برگ انگور عالی است. در این پژوهش همچنین ۱۵ ویژگی بافت، رنگ و شکل به کمک الگوریتم انتخاب ویژگی بهینه­ساز پروانه به پژوهشگران بیماری شناسی گیاهی و علوم داده معرفی شده است.

تشخیص سه نوع بیماری برگ انگور بر پایه پردازش تصویر با استفاده از الگوریتم بهینه ساز پروانه و ماشین بردار پشتیبان Keywords:

تشخیص سه نوع بیماری برگ انگور بر پایه پردازش تصویر با استفاده از الگوریتم بهینه ساز پروانه و ماشین بردار پشتیبان authors

محسن نجف آبادی ها

دانشجوی دکتری، گروه مهندسی بیوسیستم، واحد تاکستان، دانشگاه آزاد اسلامی، تاکستان، ایران

داود محمدزمانی

دانشیار گروه مهندسی بیوسیستم، واحد تاکستان،دانشگاه آزاد اسلامی، تاکستان، ایران.

محمد غلامی پرشکوهی

دانشیار گروه مهندسی مکانیک، واحد شهر قدس، دانشگاه آزاد اسلامی، تهران، ایران

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 :
Abdulridha, J., Ampatzidis, Y., Kakarla, S. C., & Roberts, P. ...
Arun Pandian, J., & Gopal, G. (۲۰۱۹). Identification of plant ...
Asefpour Vakilian, K., & Massah, J. (۲۰۱۷). A farmer-assistant robot ...
Barbedo, J. G. A. (۲۰۱۸). Factors influencing the use of ...
Chen, J., Zheng, H., Lin, X., Wu, Y., & Su, ...
Cristin, R., Kumar, B. S., Priya, C., & Karthick, K. ...
Irmak, B., Karakoyun, M., & Gülcü, Ş. (۲۰۲۲). An improved ...
Jaisakthi, S. M., Mirunalini P., & Thenmozhi, D. (۲۰۱۹). Grape ...
Javidan, S. M., Banakar, A., Vakilian, K. A., & Ampatzidis, ...
Javidan, S. M., Banakar, A., Vakilian, K. A., & Ampatzidis, ...
Javidan, S. M., Banakar, A., Vakilian, K. A., Ampatzidis, Y., ...
Kumar, S., Sharma, B., Sharma, V. K., Sharma, H., & ...
Liu B., Tan C., Li S., He J., & Wang ...
Makhadmeh, S. N., Al-Betar, M. A., Abasi, A. K., Awadallah, ...
Mirjalili, S., & Lewis, A. (۲۰۱۳). S-shaped versus V-shaped transfer ...
Mohammadzamani, D., Sajadian, S., & Javidan, S. M. (۲۰۲۰). Detection ...
Mohammadzamani, D., Javidan, S. M., Zand, M., & Rasouli, M. ...
Padol, P. B., & Yadav, A. A. (۲۰۱۶). SVM classifier ...
Roostaei, P., Rasouli, M., & Babaei, A. (۲۰۱۵). Study of ...
Sadeghian, Z., Akbari, E., & Nematzadeh, H. (۲۰۲۱). A hybrid ...
Thaiyalnayaki, K., & Joseph, C. (۲۰۲۱). Classification of plant disease ...
Urbanowicz, R. J., Meeker, M., La Cava, W., Olson, R. ...
Xie, X., Ma, Y., Liu, B., He, J., Li, S., ...
نمایش کامل مراجع