تشخیص بیماری درخت لیمو با استفاده از شبکه کانولوشن عمیق

  • سال انتشار: 1402
  • محل انتشار: اولین همایش ملی توسعه کشاورزی با رویکرد فناوری های هوشمند
  • کد COI اختصاصی: AGRIHORMOZ01_059
  • زبان مقاله: فارسی
  • تعداد مشاهده: 141
دانلود فایل این مقاله

نویسندگان

عبدالله خلیلی

استادیار، عضو هیات علمی گروه برق و کامپیوتر، دانشگاه هرمزگان، ایران

عباس حریفی

استادیار، عضو هیات علمی گروه برق و کامپیوتر، دانشگاه هرمزگان، ایران

شهرام گلزاری

دانشیار، عضو هیات علمی گروه برق و کامپیوتر، دانشگاه هرمزگان، ایران

چمران همتی

استادیار، عضو هیات علمی گروه کشاورزی، مجتمع آموزش عالی میناب، دانشگاه هرمزگان، ایران

مهرنوش نیکوئی

استادیار، عضو هیات علمی گروه کشاورزی، مجتمع آموزش عالی میناب، دانشگاه هرمزگان، ایران

چکیده

تشخیص سلامت یا بیماری گیاه، اولین مرحله در نگهداری بهتر یا ارائه درمان مناسب می باشد. هر چقدر تشخیص بیماری زودتر و دقیق تر انجام گیرد، امکان نجات آن بیشتر خواهد بود. درخت لیمو یکی از محصولات اصلی باغات استان هرمزگان بوده که نقش مهمی در کشاورزی این منطقه دارد. در سال های اخیر لیمو دچار بیماری هایی شده که بر حجم تولیدی و کیفیت محصول آن اثرگذار بوده است. از آنجا که یادگیری عمیق در سال های اخیر در کاربردهای مختلف بسیار موفق عمل کرده، در این پژوهش مدلی مبتنی بر شبکه کانولوشن عمیق جهت تشخیص سلامت یا نوع بیماری درخت لیمو (کمبود کلسیم، مینوز مرکبات، کنه مرکبات و پسیل) از روی تصویر برگ آن پیشنهاد شده است. جهت آموزش این مدل، ۲۱۴۰ تصویر برگ از درختان لیموی سالم و درختان مبتلا به ۴ بیماری فوق جمع آوری شده است. ارزیابی ها نشان از کارآیی بالای مدل پیشنهادی برای تشخیص سلامت یا نوع بیماری هستند به طوری که صحت کلی آن در هر ۵ دسته برابر ۹۸.۱% است. در صورت دسترسی به خدمات این مدل به شکل برخط، امکان بررسی دقیق سلامت یا نوع بیماری لیمو توسط خود کشاورز در فواصل زمانی کوتاه وجود خواهد شد.

کلیدواژه ها

درخت لیمو، تشخیص بیماری، شبکه های کانولوشن عمیق.

مقالات مرتبط جدید

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.