تشخیص بیماری آنتراکنوز برگ درخت گردو با استفاده از پردازش تصاویر در شرایط نور طبیعی

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 632

فایل این مقاله در 13 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:

JR_JAM-11-2_014

تاریخ نمایه سازی: 6 دی 1399

چکیده مقاله:

کنترل بیماری‌ها و آفات گردو مستلزم تعیین نقشه گستردگی آلودگی‌ها در کمترین زمان ممکن می‌باشد. پردازش تصویر به‌عنوان رویکردی برای تعیین میزان و نوع آسیب‌دیدگی محصولات مختلف در مزارع و باغات ارائه شده است. هدف از انجام این پژوهش، تشخیص بیماری آنتراکنوز برگ درختان گردو با استفاده از روش‌ پردازش تصویر می‌باشد. تشخیص بیماری در باغ و با استفاده از تصاویر گرفته شده از برگ‌های واقع بر روی درخت انجام گرفت تا با عملیاتی با بار محاسباتی اندک و الگوریتمی به دور از پیچیدگی محاسباتی، زمینه لازم برای طراحی نرم‌‌افزارهای کاربردی بر روی سامانه‌های مکاترونیکی هوشمند فراهم گردد. بدین منظور تصاویری از برگ‌های سالم گردو و همچنین نقاط آلوده به بیماری آنتراکنوز گرفته شد. الگوریتم شناسایی بیماری آنتراکنوز مبتنی بر ویژگی‌های رنگی و شکل‌شناسی برگ‌ها و لکه‌های ناشی از بیماری بود. نتایج حاصل از ارزیابی روش ارائه شده برای تشخیص بیماری آنتراکنوز، دقت تفکیک 98 درصد را نشان داد. شدت آلودگی محاسبه شده توسط الگوریتم با شدت آلودگی حقیقی مقایسه شد و نتایج استفاده از آزمون توزیع t برای مقایسه میانگین دو نمونه (شدت آلودگی محاسبه شده توسط الگوریتم و شدت آلودگی حقیقی) نشان داد که بین دو گروه در سطح احتمال 01/0 اختلاف معنی‌داری وجود ندارد.

نویسندگان

علی یوسفوند

دانشگاه بوعلی سینا

جعفر امیری پریان

دانشگاه بوعلی سینا

جعفر امیری پریان

دانشگاه بوعلی سینا

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Ahmadi, H. R., and J. Amiri Parian. 2015. Detecting oranges ...
  • Ahmadi, K., H. Gholizadeh, H. R. Ebadzadeh, F. Hatami, R. ...
  • Anantrasirichai, N., S. Hannuna, and N. Canagarajah. 2017. Automatic Leaf ...
  • Barbedo, J. G. A. 2013. Digital image processing techniques for ...
  • Barbedo, J. G. A. 2016. A review on the main ...
  • Bundi, S. R., A. Varadharajan, and A. Chinnasamy. 2013. Performance ...
  • Çakır, Y., M. Kırcı, E. O. Güneş, and B. B. ...
  • Golzarian, M. R., F. Sadeghi, N. Ghanei, and F. Kazemi. ...
  • Hassan, M., and K. Ahmad. 2017. Anthracnose Disease of Walnut-A ...
  • Keshavarzi, M. 2011. Walnut diseases in Iran: Diagnosis and management. ...
  • Kim, D. G., T. F. Burks, J. Qin, and D. ...
  • Kurtulmus, F., W. S. Lee, and A. Vardar. 2014. Immature ...
  • Lavaf Ghazavi, M., and F. Yaghmaei. 2015. Identification and detection ...
  • Mahdiani, M., R. Tabatabaei-Kolor and, M. R. Golzarian. 2015. Detection ...
  • Mahmoodi-Eshkaftaki, M., J. Khazaei, K. Vahdati, and M. Taleb. 2011. ...
  • Matsunaga, T. M., D. Ogawa, F. Taguchi-Shiobara, M. Ishimoto, S. ...
  • Nadafzadeh, M., and S. Abdanan Mehdizadeh. 2017. Determination of the ...
  • Omrani, E., S. S. Mohtasabi, S. Rafiei, S. Hosainpur, and ...
  • Öztürk, B., M. Kirci, and E. O. Güneş. 2016. Detection ...
  • Pujari, J. D., R. Yakkundimath, and A. S. Byadgi. 2015. ...
  • Pydipati, R., T. Burks, and W. Lee. 2006. Identification of ...
  • Rouzegar, M. R., and M. R. Golzarian. 2015. The application ...
  • Saremi, H., S. R. Rezazahshemi, and H. Jafari. 2002. Investigating ...
  • Singh, V., and A. K. Misra. 2017. Detection of plant ...
  • Teixido, M., D. Font, T. Pallejà, M. Tresanchez, M. Nogues, ...
  • Tripathi, G., and J. Save. 2015. An image processing and ...
  • نمایش کامل مراجع