تشخیص بیماری قارچی سفیدک پودری و آنتراکنوز خیار به کمک پردازش تصویر و شبکه عصبی

مجله مهندسی زیست سامانه

مقاله 1، دوره 4، شماره 4، اسفند 1394، صفحه 1-14   

نوع مقاله: مقاله پژوهشی

چکیده

با توجه به اینکه بیماریهای قارچی سفیدک پودری و آنتراکنوز بیشترین میزان خسارت را در گلخانه های
خیار به وجود می آورند در این پژوهش با ارائه روشی نوین و غیر مخرب مبتنی بر تکنیک پردازش تصویر و
شبکه عصبی مصنوعی به تشخیص این دو نوع بیماری قارچی پرداخته شده است. مراحل مربوط به پیادهسازی
روش پیشنهادی از سه بخش قطعهبندی، جداسازی قسمتهای آسیب دیده از برگ و طبقهبندی کلاس نوع
بیماری است. پس از آنکه ویژگیهای رنگی و بافت از نمونههای برگ خیار استخراج گردید از شبکه عصبی
پرسپترون چند لایه با الگوریتم یادگیری پس انتشار خطا برای جداسازی کلاسهای مختلف تصویر استفاده شد.
تصاویر و خروجی عدد صفر به عنوان برگ سالم، عدد (B، G، R) ورودی شبکه میانگین مولفههای اصلی رنگ
3 است که از -7-7- یک بیماری سفیدک پودری و عدد دو بیماری آنتراکنوز میباشد. ساختار این شبکه 27
برای لایه مخفی و خروجی استفاده شده است و در بین توابع آموزشی تابع لونبرگ tansig تابع انتقال
99 درصد قادر به تشخیص بیماری شد. / مارکوارت مناسبترین عملکرد را داشت که با دقت 98

کلیدواژه‌ها

آنتراکنوز؛ استخراج ویژگی؛ سفیدک پودری؛ شبکه عصبی؛ قطعه بندی