بررسی امکان تشخیص بیماریهای فیزیولوژیک درختان پسته با استفاده از پردازش تصویر

نویسندگان

چکیده

در دنیای مدرن امروز، برای سرعت بخشیدن در کارها سعی در جایگزین‌کردن ماشین‌ها به جای انسان شده است تا بدین-ترتیب از وابسته‌شدن کارها به افراد خاص جلوگیری شود. کشاورزی هم از این قاعده مستثنا نبوده و امروزه از پردازش تصویر برای مکانیزه و جایگزین‌کردن ماشین‌های هوشمند به جای انسان استفاده می‌شود. یکی از موارد استفاده از آن را می‌توان شناسایی اقلام گیاهان، کمبودها و انواع بیماری‌های آن‌ها را می‌توان نام برد. کمبودهای مواد مغذی یکی از انواع بیماری‌های فیزیولوژیکی درختان است که شناسایی آن از اهمیت ویژه‌ای برخوردار می‌باشد. روش معمول برای برای این‌کار، بررسی چشمی برگ، تجزیه خاک و روش‌های آزمایشگاهی می‌باشد، که به افراد خبره و وقت و هزینه‌های زیادی نیاز دارد که مقرون-به‌صرفه نیست. در این مقاله روشی برای حل این مشکلات در نظر گرفته شده و با استفاده از پـردازش تصـویر به تشخیـص انـواع کمبـود مواد مغـذی درختـان پسته بر اساس ویژگی‌های برگی و چند نوع کمبود پرداخته شده است. در ابتدا برگ‌ها جمع‌آوری و از آن‌ها تصویر برداری شده و پس از پردازش تصویر ابتدا ویژگی‌های برگ استخراج و سپس با استفاده از ویژگی-های رنگی هر پیکسل از برگ، کمبودهای آن‌ها شناسایی شده است. این روش با دقت ??% درصد کمبودهای موجود را تشخیص می‌دهد.

کلیدواژه‌ها

عنوان مقاله [English]

Feasibility study of detection of physiological diseases in pistachio trees leaf using image processing

نویسندگان [English]

  • Fatemeh Saadatjoo
  • Mohammad Javad Rezaei
  • Samaneh Dehghan Bahabadi

چکیده [English]

In today’s modern world, in order to accelerate the work, it has been attempted to replace the human force with machines so that the jobs would not be dependent on certain people. Agriculture is no exception and today, image processing is used for mechanizing the methods and for replacing human beings with intelligent machines. One of the cases in which image processing is used is for identifying types of plants, their defects and the type of their diseases. The deficiencies of nutrients are one of a variety of physiological diseases of trees that its identification is very important. The common method for this is to review the leaf through human eyes, soil decomposition and laboratory methods, which needs experts and so much time and costs which makes it uneconomical. Thus, we have considered a method for solving this problem. In this study, few types of defect have been investigated. For this purpose, at first, the leaves were collected and their images were taken and after processing the image, leaf features were initially extracted and then, by using the chromatic features of each pixel of the leaf, their defects were identified. This method identifies the defects with an accuracy of ??%.

کلیدواژه‌ها [English]

  • Image Processing
  • Recognition of Nutrition Defect
  • Identification of Edge
  • Leaf
  • Chromatic Feature