زهره قاسمی ورجانی - ماشین های کشاورزی، دانشکده مهندسی و فناوری دانشگاه تهران
سید سعید محتسبی - دانشگاه تهران
هادی قاسمی - مهندسی عمران،دانشکده عمران محیط زیست دانشگاه امیرکبیر
الهام عمرانی - ماشین های کشاورزی، دانشکده مهندسی و فناوری دانشگاه تهران

هر ساله بیماری­های گیاهی موجب خسارت­های قابل توجهی در بخش کشاورزی می­شوند که می­توان تاثیر آن­را در چرخه­ی اقتصادی کشورها و امنیت غذایی مردم احساس نمود. تشخیص زودهنگام بیماری­های گیاهی راهکاری مفید برای کاهش این خسارت­ها می­باشد. در سال­های اخیر محققان مختلف از روش­هایی چون تصویربرداری برای تشخیص بیماری­های گیاهی استفاده نموده­اند. در این تحقیق یک سامانه جدید، متشکل از روش پردازش تصویر دیجیتال و مدل ترکیبی شبکه عصبی به­منظور تشخیص سه بیماری برگ درخت سیب (بیماری­های لکه سیاه سیب، آلترناریا و آفت مینوز) بکار گرفته شد. در واقع از فرایند روش پردازش تصویر دیجیتال برای تهیه، پردازش و استخراج ویژگی­های هر یک از تصاویر نمونه­ها و از مدل ترکیبی شبکه عصبی مصنوعی برای طبقه­بندی بیماری­ها استفاده گردید. در این مدل برای آموزش شبکه از دو الگوریتم بهینه­سازی ازدحام ذرات (PSO) و الگوریتم لونبرگ مارکوارت (LM) استفاده شد. در ادامه عملکرد سامانه پیشنهادی در تشخیص بیماری­های درخت سیب مورد ارزیابی قرار گرفته و مشاهده گردید که این سامانه در تشخیص بیماری فوق الذکر با دقت ۹۹ درصد و شاخص­های ۹۸۵/۰= R۲ و ۰۹۹/۰= RMSE عملکرد مناسبی دارد و همچنین در مقایسه با سایر روش­های انجام شده توسط دیگر محققان، در تشخیص بیماری­های برگ درخت سیب توانایی بالاتری دارد.

بیماری های گیاهی, پردازش تصویر, شبکه عصبی مصنوعی, بهینه سازی ازدحام ذرات