ارائه یک روش کارآمد در تشخیص بیماریهای سطح برگ تا بکارگیری ماشین بینایی

  • سال انتشار: 1391
  • محل انتشار: هفتمین کنگره ملی مهندسی ماشین های کشاورزی و مکانیزاسیون
  • کد COI اختصاصی: NCAMEM07_173
  • زبان مقاله: فارسی
  • تعداد مشاهده: 1299
دانلود فایل این مقاله

نویسندگان

رضا محمدی گل

دانشجوی دکتری رشته مکانیک ماشینهای کشاورزی دانشگاه تربیت مدرس

عادل بخشی پور

دانشجوی دکتری رشته مکانیک ماشینهای کشاورزی دانشگاه شیراز

احمد شریفی

عضو هیئت علمی موسسه تحقیقات فنی و مهندسی کشاورزی کرج

مجید لشگری

عضو هیئت علمی دانشگاه اراک

چکیده

بیماریهای گیاهی مختلف علاوه بر اینکه میزان کیفیت و کمیت محصول می کاهند، باعث تخریب واریته نیز می شود. از سوی دیگر یکی از چالش های پیش روی تولید محصولات کشاورزی در ایران بیرویه از سموم و آفت کش های شیمیایی می باشد. بیماری های قارچی به عنوان مسئله ای بغرنج در تولید محصولات گلخانه ای بشمار می رود و تشخیص به موقع و زود هنگام بیماری، افزایش احتمال درمان و کاهش هزینه ها و خسارات وارده را در بر دارد. در این مقاله یک روش دقیق برای تشخیص بیماری سفیدک دروغی (Downy mildew) خیار گلخانه ای با بکارگیری تکنولوژی پرورش داده شدند.سپس سطح برگ ها به عامل بیماری سفیدک دروغی آلوده شدند. عکسبرداری از سطوح برگ های سالم و همچنین برگ های آلوده در زمانهای مختلف در طی پیشرفت بیماری انجام شد. تصاویر تهیه شده به جعبه ابراز پردازش تصویر نرم افزار MATLAB انتقال داده شد. تصاویر در فضاهای رنگی RGB و HSV و YCrCb مورد بررسی قرار گرفتند. پس از عملیات اولیه، مشخص شد که مولفه رنگی Cr بهترین نتایج را به دست می دهد. الگوریتم ارائه شده توانست قسمتهای آسیب دیده سطح برگ را با دقت بالایی (97%< ) تشخیص دهد. این در حالی بود که میزان خطای الگوریتم کمتر از 5% به دست آمد.

کلیدواژه ها

خیار گلخانه ای، سفیدک داخلی، ماشین بینایی، پردازش رنگی

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.