عادل بخشی پور - دانشجوی دکترای مکانیک ماشین های کشاورزی دانشگاه شیراز
میر حسین پیمان - استادیار گروه مکانیزاسیون کشاورزی، دانشگاه گیلان
عبدالعباس جعفری - استادیار بخش مکانیک بیوسیستم، دانشگاه شیراز

برنج یکی از محصولات استراتژیک است که به طور گسترده ای در جهان کشت می شود و غذای اصلی بسیاری از مردم جهان است. بیماری های مختلف برنج تهدیدی جدی برای تولید برنج به شمار می روند که علاوه بر اینکه از میزان کیفیت و کمیت محصول می کاهند، باعث تخریب واریته نیز می شوند. از طرفی یکی از مهمترین چالش های پیش روی تولید برنج استفاده بیرویه از سموم شیمیایی در تولید این محصولات می باشد. در این تحقیق توانایی تکنیک پردازش تصویر برای تشخیص دو بیماری مهم گیاه برنج (لکه قهوه ای و بلاست برگ برنج) مورد بررسی قرار گرفت. تصاویر دیجیتال مورد نیاز از برگ های گیاه برنج آلوده تهیه شده و به جعبه ابزار پردازش تصویر نرم افزار متلب انتقال داده شد. به منظور جداسازی نقاط سالم و آلوده سطح برگ از پردازش رنگی استفاده شد. الگوریتم ارائه شده توانست نقاط آلوده را در نمونه تصاویر مورد آزمایش با دقت 97/4 % تشخیص دهد. از سوی دیگر به منظور تمایز دو نوع بیماری، پردازش شکلی بر روی تصاویر باینری مربوط به برگ های آلوده انجام شد. نتایج نشان داد که دقت الگوریتم در تمایز بین دو بیماری لکه قهوه ای و بلاست برگ برنج در تصاویر حاصل از قطعه بندی بیش از 96/6 % بود.

برنج، لکه قهوه ای، بلاست برنج، ماشین بینایی