تشخیص آلودگی زنگ زرد گندم به کمک تصاویر مرئی (مطالعه آزمایشگاهی)

زنگ زرد یکی از مهم ترین بیماری های گندم در ایران است. از مهم ترین و اساسی ترین نکات در مبارزه با بیماری زنگ زرد، شناسایی نقاط و کانون های این بیماری در مزرعه است که در صورت سمپاشی نقاط آلوده، در مراحل اولیه می توان از شیوع این بیماری و خسارت ناشی از آن جلوگیری کرد. هدف از این پژوهش تشخیص بیماری زنگ زرد گندم در نمونه های آزمایشگاهی (با آلودگی مصنوعی) و با استفاده از تصاویر دوربین مرئی بود. برای تهیه نمونه های آزمایشگاهی، رقم حساس به زنگ زرد (رقم بولانی) در گلدان هایی به قطر ۱۵ سانتی متر کاشته و در محیط کنترل شده نگهداری شدند. در مرحله گیاهچه ای، مایه زنی جهت آلوده کردن گیاه صورت گرفت. پیش پردازش و پردازش تصاویر تهیه شده ابتدا به کمک نرم افزار متلب بررسی شد و پیش پردازش هایی از جمله بسط هیستوگرام به منظور بهبود کنتراست برروی تصاویر انجام گرفت. سپس شاخص های پوشش گیاهی گوناگون برای تصاویر مرئی مورد ارزیابی قرار گرفته و مناسب ترین شاخص برای تشخیص بیماری زنگ زرد معرفی شد. برای انتخاب و رتبه بندی شاخص ها روش تحلیل افتراقی گام به گام مورد استفاده قرار گرفت. برای تعیین مدل مناسب تشخیص بیماری زنگ زرد، روش های گوناگون طبقه بندی نظارت شده بر روی تصاویر شامل روش های شبکه عصبی خود سازمان دهنده، شبکه عصبی چندی ساز بردار یادگیر، شبکه عصبی تابع پایه شعاعی، طبقه بندی ماشین بردار پشتیبان، شبکه عصبی پرسپترون چند لایه، طبقهبندی نزدیک ترین همسایه و طبقه بندی خوشه بندی k میانگین (K-means) ارزیابی شد. نتایج نشان داد که، شاخص انعکاس باندهای قرمز و سبز در نمونه های آزمایشگاهی رتبه اول و دوم را در تحلیل افتراقی به خود اختصاص دادند. دقت شبکه عصبی SVM در طبقه بندی نظارت شده بر روی تصاویر مرئی در مرحله یادگیری و آزمایش به ترتیب ۹۸/۰۶ و ۹۵/۴۴ درصد بود که بیشترین دقت نسبت با سایر روش های طبقه بندی را نشان داد.

کلیدواژه ها:

پردازش تصویر ، زنگ زرد ، شبکه عصبی ، گندم