انتخاب طول موج های طیفی حساس از میان داده های فراطیفی جهت تشخیص برگ های درخت پسته آلوده به پسیل
محل انتشار: دوفصلنامه ماشین های کشاورزی، دوره: 12، شماره: 2
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 398
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JAM-12-2_005
تاریخ نمایه سازی: 6 اردیبهشت 1401
چکیده مقاله:
در سال های اخیر تولید پسته توسط آفتی به نام پسیل تهدید شده است. هدف از انجام این تحقیق انتخاب باندهای طیفی مناسب جهت تشخیص برگ های آلوده به آفت پسیل می باشد. برای این منظور از ۱۶۰ برگ سالم و ۱۶۰ برگ بیمار در ۶۴ باند طیفی در ناحیه بین ۴۰۰ تا ۱۱۰۰ نانومتر با قدرت تفکیک طیفی حدودا ۱۰ نانومتر طیفنگاری انجام شد. از روش جنگل های تصادفی برای مرتب سازی طول موج ها بر اساس قدرت تفکیک بین برگ های سالم و بیمار استفاده شد. پس از شناسایی و مرتب سازی طول موج ها بر اساس میزان اهمیت، طول موج های دارای بیشترین اهمیت توسط یک الگوریتم خوشه بندی در شش خوشه تقسیم بندی شدند به طوری که میانگین طول موج های هر خوشه ها حداقل ۵۰ نانومتر از یکدیگر فاصله داشته باشند. میانگین طول موج های قرار گرفته در شش خوشه به ترتیب اهمیت عبارت بود از: ۷۱۰، ۷۹۱، ۸۵۸، ۵۹۸، ۴۶۸، و ۱۰۲۳ نانومتر. برای تبدیل داده های فراطیفی به چندطیفی، از بازتابش های به دست آمده در فاصله ۱۵± نانومتری این مراکز میانگین گیری انجام گرفت و داده های بازتابش به دست آمده از دیگر طیف ها حذف شد. الگوریتم ماشین بردار پشتیبان برای طبقه بندی برگ های سالم و بیمار با استفاده از داده های فراطیفی و چند طیفی به دست آمده در این پژوهش به کار گرفته شد. دقت طبقه بندی با استفاده از تمام ۶۴ طول موج (داده های فراطیفی) ۹۱/۹۰ درصد و با استفاده از ۶ طول موج (داده های چندطیفی) ۶۹/۸۸ درصد بود. اختلاف بسیار کم (حدود ۲ درصد) در میزان دقت طبقه بندی نشان دهنده صحت شیوه ارائه شده در این پژوهش برای کاهش ابعاد داده های فراطیفی می باشد. علاوه بر کاهش ابعاد داده، تعیین باندهای طیفی مناسب از میان داده های فراطیفی گامی موثر در طراحی و ساخت حسگری چندطیفی جهت تشخیص بیماری گیاهان می باشد.
کلیدواژه ها:
نویسندگان
علی مقیمی
گروه مهندسی بیوسیستم، دانشگاه فردوسی مشهد، مشهد، ایران
آمنه سازگارنیا
گروه فیزیک پزشکی، دانشگاه علوم پزشکی مشهد، مشهد، ایران
محمدحسین آق خانی
گروه مهندسی بیوسیستم، دانشگاه فردوسی مشهد، مشهد، ایران
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 :