تشخیص برخی بیماری های قارچی میوه سیب به کمک پردازش تصویر و یادگیری ماشین بهینه شده توسط الگوریتم های فراابتکاری

هرچند برخی از بیماری های میوه سیب علائم ظاهری دارند و می توان آن ها را با چشم تشخیص داد، اما این روش زمان بر و پرهزینه است. یک راه حل مناسب، طراحی یک سامانه تشخیص خودکار بیماری با استفاده از تکنیک های پردازش تصویر است. این تحقیق، یک روش کارآمد و کم هزینه برای تشخیص بیماری های شایع قارچی سیب در ایران ارائه می دهد که از شبکه عصبی مصنوعی بهینه شده با روش های فراابتکاری الگوریتم ژنتیک و روش توده نقاط به منظور طبقه بندی میوه ها به سه دسته کپک خاکستری سیب، کپک آبی سیب و میوه های سالم استفاده می کند. این روش از استخراج ویژگی های رنگ و بافت ناحیه بیماری پس از فرایند قطعه بندی تصویر به کمک خوشه بندی k-میانگین بهره می برد. یک پایگاه داده بر اساس استخراج ویژگی های رنگ و بافت از ۴۵۰ نمونه میوه سیب بیمار و سالم تهیه گردید و نتایج اعتبارسنجی متقابل ۵-تایی نشان داد که شبکه عصبی مصنوعی بهینه شده با روش های فراابتکاری الگوریتم ژنتیک و روش توده نقاط می تواند با دقت به ترتیب ۸۸ و ۸۵ درصد فرایند طبقه بندی را به طور موفقیت آمیز انجام دهد.

کلیدواژه ها:

الگوریتم توده نقاط ، الگوریتم ژنتیک ، شبکه عصبی مصنوعی ، کپک آبی ، کپک خاکستری