معرفی روشی کارآمد به منظور استخراج گیاه از تصاویر حرارتی

در پژوهش حاضر مراحل پردازش تصویر یک سامانه ماشین بینایی به منظور شناسایی دو عدد از مهمتـرین بیمـاری هـای گیـاه رز (سفیدک پودری و کپک خاکستری) مورد بررسی قرار گرفت. اولین مرحله در بهره گیری از تصاویر حرارتی به عنوان یـک حسـگر تشخیص بیماریهای گیاهی، ثبت تصاویر حرارتی و مرئی است. در این پژوهش به منظور ساده سازی عمل ثبـت تصـاویر از یـک صفحه شطرنجی استفاده شد. تصویر ثبت شده توسط صفحه شطرنجی سپس به کمک یک روش ثبت تصاویر خودکار بـر پایـه -شدت مجددا ثبت گردید. در مرحله بعدی پردازش تصویر، در راستای شناسایی قسمتهای مورد نظر از تصاویر مرئـی، چهـار گـروه طبقه بند عصبی- فازی و یک روش آستانه- مبنا مورد بررسی قرار گرفت. برای ارزیابی الگوریتم های مختلف ناحیهبندی تصـویر، از پنج شاخص Rand ،Dice ،F ،VI و GCE استفاده شد. هدف معرفی بهترین روش ناحیهبندی و بهترین شاخص ارزیابی تصاویر ناحیهبندی شده بود. نتایج نشان داد که روش آستانه- مبنا بهترین عملکرد را در زمینه تشخیص گل داشـت. بـ ه عـلاوه طبقـه بنـد عصبی - فازی آموزش دیده با ورودی ای در فضای رنگ HSV و تقسیم بنـدی فضـای ورودی بـه تعـداد پـنج خوشـه بهتـرین عملکرد را در تشخیص برگها داشته است. مقایسه شـاخص هـای مختلـف نشـان داد کـه شـاخص هـای GCE و VI بیشـترین هماهنگی را با ارزیابیهای بصیری تصاویر ناحیهبندی شده نشان داد. در انتها نتایج این تحقیق برای سـاخت یـک سـامانه ماشـین بینایی خودکار که قادر به شناسایی بخش های بیمار از سالم بوته رز در مراحل اولیه رشد پاتوژن باشد، بکار گرفته شد.

Keywords:

بخشبندی تصویر , ثبت تصویر , تبدیل هندسی , طبقهبند عصبی- فازی , تصویر تک رنگ