امکانسنجی تشخیص برخط بیماری آتشک در گیاه لیلیوم به کمک سامانه ماشین بینایی و خوشهبندی K-means
محل انتشار: دوفصلنامه ماشین های کشاورزی، دوره: 11، شماره: 2
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 397
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JAM-11-2_011
تاریخ نمایه سازی: 6 دی 1399
چکیده مقاله:
تشخیص خودکار و بهموقع بیماریهای گیاهی، یک موضوع اساسی در نظارت و تولید محصولات سالم و باکیفیت است. لذا طراحی و توسعه روشی سریع، خودکار، ارزان و دقیق بهمنظور تشخیص بیماری گیاهان در مراحل اولیه از اهمیت بهسزایی برخوردار است. در این پژوهش تصاویر از 40 لیلیوم آلوده به بیماری آتشک و 40 گیاه سالم توسط دوربین دیجیتال اخذ و پس از تقسیمبندی تصاویر تعداد 9 ویژگی رنگی از سه کانال RGB، Lab و HSV از ساقه و برگ گیاه و همچنین یک ویژگی مورفولوژیکی (طول ساقه) از گیاه استخراج شد. با اعمال الگوریتم پرچینهای زبانی طی 100 هزار تکرار موثرترین این ویژگیها (L برگ، L ساقه، a برگ، b برگ، H برگ، b ساقه، H ساقه، V برگ و طول ساقه) انتخاب و بهوسیله خوشهبند k-means گروهبندی شدند. در نهایت نشان داده شد که دقت خوشهبند برای دو گونه بیمار، سالم و دقت کلی بهترتیب برابر با 42/96 و 100 و 63/97 درصد بهدست آمد.
کلیدواژه ها:
نویسندگان
حدیث بی آبی
دانشگاه علوم کشاورزی و منابع طبیعی خوزستان
حدیث بی آبی
دانشگاه علوم کشاورزی و منابع طبیعی خوزستان
سامان آبدانان مهدی زاده
دانشگاه علوم کشاورزی و منابع طبیعی خوزستان
محمدرضا صالحی سلمی
دانشگاه علوم کشاورزی و منابع طبیعی خوزستان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :