CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تشخیص زود هنگام و برخط بیماری سفیدک نهان خیار به کمک پردازش تصویر

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۶۵۲ | نظرات: ۰
سال انتشار: ۱۳۹۱
نوع ارائه: پوستر
کد COI مقاله: NCAMEM07_374
زبان مقاله: فارسی
حجم فایل: ۲۸۹.۴۴ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تشخیص زود هنگام و برخط بیماری سفیدک نهان خیار به کمک پردازش تصویر

نعیمه توکلی - دانشجوی کارشناسی ارشد مهندس مکانیک ماشین های کشاورزی دانشکده کشاورز
  عباس همت - استاد گروه مهندس مکانیک ماشین های کشاورزی دانشکده کشاورزی، دانشگاه ص
  بهزاد نظری - استادیار دانشکده برق و کامپیوتر، دانشگاه صنعتی اصفهان

چکیده مقاله:

بیماری سفیدک نهان که در تمام مناطق دنیا مخصوصا در اقلیم های گرم و مرطوب و خشک بیشترین خسارات را د رمورد خیار و طالبی وارد آورده و در زمان کمتر از 24 ساعت سبب نابودی کل محصولات گلخانه می شود. علایم این بیماری در مراحل اولیه ، ظهور لکه های زرد رنگ و منقطع در روی برگ می باشد. در این مقاله روشی جهت آشکار سازی برخط بیماری سفیدک نهان بوته های خیار، ارائه شده است. هدف از انجام این پژوهش تشخیص زود هنگام این بیماری د رمراحل اولیه جهت جلوگیری از شیوع آن در گلخانه است. این امر موجب جلوگیری از کاهش عملکرد محصول و بروز ضررهای اقتصادی قابل توجه شده و همچنین باعث افزایش دقت و سرعت بازرسی و کهش هزینه نیروی انشانی می باشد.این مهم با پردازش بر خط تساوی دریافت از دور70 Canon a در نرم افزار متلب صورت می گیرد. در برنامه تهیه شده ابتدا برگ از پس زمینه جدا شده و سپس با استفاده از دو فاکتور شکل و رنگ ، لکه های بیمار تشخیص داده می شوند. د رنهایت وجود یا عدم وجود بیماری د رگلخانه به مسئول هشدار داده می شود. در این پژوهش تعداد 250 تصویر از بوته هاب خیار گلخانه ای ولقع در منطقه شهر ابریشم اصفهان تهیه و برای تشخیص بیماری سفیدک نهان خیار مورد بررسی قرار گرفت نتایج نشان داد که نرم افزار تهیه شده با درصد خطای پایین 3/2% می تواند جهت تشخیص زود هنگام این بیماری در گلخانه استفاده شود.

کلیدواژه‌ها:

آشکارسازی، پردازش تصویر، سفیدک نهان

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NCAMEM07-NCAMEM07_374.html
کد COI مقاله: NCAMEM07_374

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
توکلی, نعیمه؛ عباس همت و بهزاد نظری، ۱۳۹۱، تشخیص زود هنگام و برخط بیماری سفیدک نهان خیار به کمک پردازش تصویر، هفتمین کنگره ملی مهندسی ماشین های کشاورزی و مکانیزاسیون، شیراز، دانشگاه شیراز، https://www.civilica.com/Paper-NCAMEM07-NCAMEM07_374.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (توکلی, نعیمه؛ عباس همت و بهزاد نظری، ۱۳۹۱)
برای بار دوم به بعد: (توکلی؛ همت و نظری، ۱۳۹۱)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Sankaran, S., Mishra, A., Ehsani, R. and Davis, C.2010. A ...
  • Huang, K., 2007. Application of artificial neural network for detecting ...
  • دانشگاه شیراز، ۱۴ الی ۱۶ شهریور ۱۳۹۱ ...
  • Roberts, M.J., S chimmelp fennig, D., Ashley, E., Livingston, M., ...
  • U., 2006. The value of plant disease early-warning systems. Economic ...
  • Pimentel, D., Zuniga, R. and Morrison, D., 2005. Update on ...
  • Spinelli, F., Noferini, M., Costa, G., 2006. Near infrared spectroscopy ...
  • [[8] Lee, W.S., Alchanatis, _V., Yangc, C., Hirafuji, M. , ...
  • دانشگاه شیراز، ۱۴ الی ۱۶ شهریور ۱۳۹۱ ...
  • کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۱ مقاله استفاده شده است.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.