سال انتشار: ۱۳۹۰

محل انتشار: اولین کنگره ملی علوم و فناوریهای نوین کشاورزی

تعداد صفحات: ۴

نویسنده(ها):

محمود محمودی اشکفتکی – کارشناسی ارشد رشته مکانیک ماشین های کشاورزی دانشگاه تهران، شهرکرد
جواد خزایی – دانشیار رشته مکانیک ماشین های کشاورزی دانشگاه تهران، تهران
کوروش وحدتی – دانشیار دانشگاه تهران
مسعود طالب – کارشناسی رشته مکانیک ماشین های کشاورزی دانشگاه تهران

چکیده:

تشخیص بیماری های گردو با نشانه های ظاهری بر روی برگ ها بوسیله چشم بسیار کم دقت بوده و شناسایی دقیق بیماری نیز با استفاده از کشت بیماری وقت گیر می باشد، در نتیجه نیاز به استفاده از یک روش سریع تر و راحت تر احساس می شود. به همین منظور، در این تحقیق بر آن شدیم که با استفاده از روش ماشین بینایی، خواص رنگی و ظاهری برگ ها مورد ارزیابی قرار گیرد و از این خواص جهت شناسایی بیماری ها استفاده شود. جهت شناسایی بیماری های گردو، دو بیماری لکه برگی گردو (بلایت) و لکه سیاه گردو (آنتراکنوز) و یک نمونه آفت (کنه گال زگیلی برگ گردو) همراه با نمونه های برگ سالم بعنوان شاهد در نظر گرفته شدند. بر روی هر نمونه از برگ ها از الگوریتم های زیر استفاده شد: ۱- تصویر برداری از نمونه ها؛ ۲- اندازه گیری خواص رنگی تصاویر؛ ۳- استفاده از مدل شبکه عصبی مصنوعیپس انتشار و رقابتی. نتایج نشان داد که در شناسایی بیماری ها، شبکه های با الگوریتم آموزشی پس انتشار نسبت به شبکه های رقابتی دارای جوابدهی بهتری بودند. دقت شبکه نوع پس انتشار ۱۰۰% بود در حالیکه دقت شبکه رقابتی ۹۰% بود.