ارائه روشی شاخص مبنا و مبتنی بر طبقه بندی ماشین بردار پشتیبان جهت تشخیص بیماری زنگ زرد گندم با استفاده از تصاویر نوری ماهواره سنتینل-2

سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 811

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCEGIT03_053

تاریخ نمایه سازی: 8 تیر 1398

چکیده مقاله:

در اکثر کشورها محصولات کشاورزی دچار آفت و بیماری های مختلف می شوند که تخریب و نابودی بخش عظیمی از این محصولات را رقم می زند.گندم یکی از محصولات مهم در بیشتر کشورها است و اهمیت فوق العاده ای برای تامین امنیت غذایی دارد.بیماری های مختلفی مانند زنگ زرد ، کپک پودری و افید محصول گندم را تحت تاثیر قرار می دهند. زنگ زرد یک نوع بیماری قارچی است که یکی از رایج ترین و مخرب ترین بیماری ها می باشد. در این مقاله روشی مبتنی بر ماشین بردار پشتیبان ارائه شده است که توانایی تشخیص مناطق گندم مبتلا به بیماری زنگ گندم را با دقت نسبتا مناسب دارد که می تواند به عنوان روشی سریع تر برای تشخیص این بیماری مورد استفاده قرار گیرد زیرا پیدا کردن حد آستانه بهینه به خودی خود با مشکلاتی مواجه است. در این تحقیق از تصاویر ماهواره سنتینل-2 با قدرت تفکیک مکانی و زمانی بالا و دارا بودن باندهای لبه قرمز )Red Edge( که نقش مهمی در تشخیص بیماری گیاهان از جمله زنگ زرد گندم دارد مورد استفاده قرار می گیرد. در این تحقیق از شاخص تنش بیماری لبه قرمز((Red Edge Disease Stress Index-REDSI که یکی از شاخصهای موجود مبتنی بر لبه قرمز برای تشخیص بیماری زنگ زرد گندم است استفاده می شود سپس دو روش حد آستانه بهینه و ماشین بردار پشتیبان )SVM( در تشخیص این بیماری مورد مقایسه و ارزیابی قرار می گیرند. نتایج بدست آمده نشاندهنده دقت بالا ی روش حد آستانه بهینه نسبت به روش SVM و سریع و کاربردی بودن روش SVM نسبت به حد آستانه بهینه میباشد. درصد تفکیک مناطق تحت پوشش گندم به عنوان مناطق سالم و بیمار در روش حد آستانه بهینه به ترتیب 94.35 و 5.64 می باشند در حالیکه مناطق سالم و بیمار در روش SVM به ترتیب 86.32 و 67.13 درصد شناسایی شدند.

نویسندگان

مسعود حیدری

دانشجوی کارشناسی ارشد سنجش از دور، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکدههای فنی، دانشگاه تهران

رضا شاه حسینی

استادیار دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکدههای فنی، دانشگاه تهران