تشخیص بیماری های درخت سیب با بهره گیری از روش های تحلیل بافت و یادگیری ماشین
- سال انتشار: 1400
- محل انتشار: سیزدهمین کنگره ملی مهندسی مکانیک بیوسیستم و مکانیزاسیون ایران
- کد COI اختصاصی: NCAMEM13_002
- زبان مقاله: فارسی
- تعداد مشاهده: 548
نویسندگان
دانشکده فنی و مهندسی، دانشگاه بناب، بناب، ۵۵۵۱۷۶۱۱۶۷
گروه مهندسی مکانیک، دانشکده فنی و مهندسی، دانشگاه بناب، بناب، ۱۷۶۱۱۶۷ ۵۵۵، ایران
چکیده
بیماری و آفت هر گیاهی بعنوان یک عامل اصلی و تاثیر گذار در کیفیت و کمیت محصول تولیدی است. روش های مرسوم تشخیص این آفتها بر اساس روش سنتی استفاده از فرد خبره است که مشکلات خاص خود را دارد. برای حل این مشکلات از روش خودکار و غیر مخرب بینایی ماشین استفاده می شود که باعث تشخیص سریع و کنترل بیماری خواهد شد و در پی آن کاهش هزینه های نظارت در سطح وسیع را در پی خواهد داشت. در این پژوهش، از یادگیری ماشین بر مبنای ویژگی های بافت هیستوگرام سطح خاکستری (GLH)، ماتریس هم رخداد سطح خاکستری (GLCM)، ماتریس طول بردار سطح خاکستری (GLRM) و الگوی دودویی محلی (LBP) برای تشخیص بیماری های پوسیدگی سیاه، خال زدگی و لکه سیاه برگ درخت سیب استفاده شد. با قطعه بندی تصاویر بوسیله روش Kmeans، مدل های طبقه بند کننده درخت تصمیم (K ،(D-Treeنزدیک ترین همسایگی (KNN)، آنالیز تفکیک خطی (LDA)، ماشین بردار پشتیبان (SVM) و شبکه عصبی (ANN) بر اساس ویژگی های استخراج شده از بافت تصاویر نمونه ها در دو مرحله آموزش و آزمون مدلها بکار گرفته شدند. مقایسه نتایج داده های آزمون نشان داد؛ مدل درخت تصمیم با دقت۸۴/۴۲ درصد و مدل شبکه عصبی با دقتی برابر با۹۳/۳۰ درصد بترتیب پایین ترین و بالا ترین عملکرد را در بین سایر روش ها داشتند. K-نزدیکترین همسایگی، ماشین بردار پشتیبان و آنالیز تفکیک خطی نیز به ترتیب ۸۷/۳۰، ۹۱۳۳ و۹۲/۶۲درصد از تصاویر آزمون را بدرستی دسته بندی کردند. نتایج نشان داد، می توان از روش پردازش تصویر برای تشخیص سریع آفت های موجود در برگ درخت سیب استفاده نمود.کلیدواژه ها
پوسیدگی سیاه سیب، خال زدگی سیب، لکه سیاه سیب، بافت، پردازش تصویر، یادگیری ماشینمقالات مرتبط جدید
- اصول طراحی مفهومی پس سوز یک موتور توربوفن سنگین
- مطالعه تجربی و عددی توزیع ضخامت در فرم دهی افزایشی تک نقطه ای یک جسم مخروطی
- پیشبینی و بررسی ویژگیهای آیرودینامیکی پرتابه ای چرخان با استفاده از دینامیک سیالات محاسباتی
- تحلیل عددی کنترل جریان آشفته حول استوانه با استفاده از دو استوانه ی کنترلی دیگر
- مطالعه عددی اثر جایگزینی نیتروژن با دی اکسید کربن بر احتراق موتور دیزل
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.