تشخیص سه نوع بیماری برگ انگور بر پایه پردازش تصویر با استفاده از الگوریتم بهینه ساز پروانه و ماشین بردار پشتیبان

امروزه تکنیک های هوش مصنوعی و فناوری های یادگیری ماشین توانسته است شناسایی و طبقه بندی بیماری های گیاهی را آسان کند. در این پژوهش، به منظور تشخیص و طبقه­بندی برخی بیماری­های برگ گیاه انگور با نام­های پوسیدگی سیاه، اسکای (زوال) و لکه برگی، پس از حذف پس زمینه از تصویر برگ­ها و استخراج ویژگی­های بافت و رنگ و شکل از تصاویر، از ترکیبی از طبقه­بند ماشین بردار پشتیبان و الگوریتم بهینه ساز پروانه برای انتخاب مهم­ترین ویژگی­ها در تشخیص بیماری برگ گیاه انگور استفاده شد. نتایج صحت طبقه­بندی برای بیماری­های پوسیدگی سیاه، اسکای (زوال) و لکه برگی و برگ سالم به ترتیب ۱۰۰، ۱۰۰، ۱۰۰ و ۹۵ درصد و دقت طبقه بندی برای تشخیص کل گروه­های بیمار و سالم ۷۵/۹۸ درصد به ­دست آمد. نتایج طبقه­بندی نشان داد که توان پردازش تصویر و یادگیری ماشین در تشخیص و طبقه­بندی برخی بیماری­های گیاهی برگ انگور عالی است. در این پژوهش همچنین ۱۵ ویژگی بافت، رنگ و شکل به کمک الگوریتم انتخاب ویژگی بهینه­ساز پروانه به پژوهشگران بیماری شناسی گیاهی و علوم داده معرفی شده است.

کلیدواژه ها:

استخراج ویژگی ، انتخاب ویژگی ، بیماری های انگور ، تشخیص و طبقه بندی ، هوش مصنوعی