شناسایی ژنوتیپ های گردو با استفاده از تکنیک های پردازش تصویر و شبکه عصبی

یکی از مهمترین ابزارها در برنامه به نژادی گیاهان، شناسایی ژنوتیپ های مختلف آن گیاهان میباشد. یکی از فرایندهای معمول در انجام این عمل بر اساس بررسی چشمی برگها و میوه های گیاهان میباشد. در این بررسی خواص رنگی و ظاهری برگها و میوه ها بررسی میشود. شناسایی نمونه ها و طبقه بندی با استفاده از ماشین بینایی میتواند سریعتر انجام گردد. در این تحقیق سه نمونه گردوی تجاری (Lara, Serr, Rond de montignac) و دو ژنوتیپ (Z63 و 53 Z)مورد مطالعه قرار گرفت. از نمونه ها تصویر برداری شد و خواص مورفولوژیکی و رنگی برای هر یک از تصاویر محاسبه شد و سپس دو مدل شبکه عصبی ناظر (Feed forward back propagation) و غیر ناظر (Self organized map) جهت طبقه بندی نمونه ها استفاده شد. شبکه ناظر نسبت به شبکه غیر ناظر دارای جوابدهی بهتری بود. کمترین خطا در شبکه ناطر با چهار لایه مرکب از 20 نرون مخفی بدست آمد. این شبکه دارای 45 متغیر ورودی بود که باعث طبقه بندی صحیح بقرار زیر شد. 146 نمونه از 150 نمونه آمورشی (دقت 97 %) و 47 نمونه تشخیص صحیح از 50 نمونه تست (دقت 94 %). همانطور که مشخص است دقت طبقه بندی شبکه در نمونه های تست و آموزش تقریبا برابر است بنابراین شبکه ناظر میتواند بخوبی سه واریته و دو ژنوتیپ (پنج ژنوتیپ) را از هم تشخیص دهد.

Keywords:

ژنوتیپ , گردو , پردازش تصویر , شبکه عصبی