پژوهش‌های مکانیک ماشینهای کشاورزی

پژوهش‌های مکانیک ماشینهای کشاورزی

رهیافتی جدید به منظور تشخیص سه بیماری گیاه انگور (پوسیدگی سیاه، اسکای و لکه برگی) بر پایه پردازش تصاویر رنگی و یادگیری ماشین

نوع مقاله : مقاله پژوهشی

نویسندگان
محسن نجف آبادیها 1
داود محمدزمانی 2
محمد غلامی پرشکوهی 3
1 دانشجوی دکتری ، مهندسی بیوسیستم، دانشگاه آزاد اسلامی واحد تاکستان، تاکستان، ایران.
2 دانشیار ، مهندسی بیوسیستم، دانشگاه آزاد اسلامی واحد تاکستان، تاکستان، ایران
3 گروه مهندسی مکانیک، واحد شهر قدس، دانشگاه آزاد اسلامی، تهران، ایران
10.22034/jrmam.2024.14711.698
چکیده
مدیریت بیماری‌ها در گیاه انگور به یکی از مسائل اساسی تبدیل شده است که کشاورزان باید با آن روبرو شوند. بیماری‌ها می‌توانند تأثیر زیادی بر عملکرد و عمر این گیاه بگذارند. با افزایش فشارهای محیطی و تغییرات اقلیمی، نیاز به روش‌های نوین و هوشمند در مدیریت بیماری‌ها و آفات اجتناب‌ناپذیر شده است. با پیشرفت اخیر روش‌های هوش مصنوعی و فناوری‌های یادگیری ماشین، کاربرد بینایی ماشین و الگوریتم‌های یادگیری ماشینی برای شناسایی و طبقه‌بندی بیماری‌های انگور در حال توسعه است. 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 تصاویر برگ‌ها و استخراج ویژگی‌های بافت، رنگ و شکل از تصاویر، از ترکیبی از طبقه‌بند ماشین بردار پشتیبان و الگوریتم بهینه‌سازی 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 100، 100، 100 و 95 درصد و دقت طبقه‌بندی برای تشخیص کل گروه‌های بیمار و سالم 75/98 درصد به دست آمد. همچنین 15 ویژگی بافت، رنگ و شکل به کمک الگوریتم انتخاب ویژگی بهینه‌سازی پروانه به پژوهشگران بیماری شناسی گیاهی و علوم داده معرفی گردید. نتایج طبقه‌بندی نشان داد، استفاده از پردازش تصویر و یادگیری ماشین توانایی بالایی در تشخیص و طبقه‌بندی بیماری‌های گیاهی دارد.
کلیدواژه‌ها
انتخاب ویژگی
استخراج ویژگی
بیماری های انگور
تشخیص و طبقه بندی
هوش مصنوعی

موضوعات