تشخیص بیماری قارچی سفیدک پودری و آنتراکنوز خیار به کمک پردازش تصویر و شبکه عصبی
محورهای موضوعی : مجله مهندسی زیست سامانه
کلید واژه: شبکه عصبی, آنتراکنوز, سفیدک پودری, استخراج ویژگی, قطعه بندی,
چکیده مقاله :
با توجه به اینکه بیماریهای قارچی سفیدک پودری و آنتراکنوز بیشترین میزان خسارت را در گلخانه هایخیار به وجود می آورند در این پژوهش با ارائه روشی نوین و غیر مخرب مبتنی بر تکنیک پردازش تصویر وشبکه عصبی مصنوعی به تشخیص این دو نوع بیماری قارچی پرداخته شده است. مراحل مربوط به پیادهسازیروش پیشنهادی از سه بخش قطعهبندی، جداسازی قسمتهای آسیب دیده از برگ و طبقهبندی کلاس نوعبیماری است. پس از آنکه ویژگیهای رنگی و بافت از نمونههای برگ خیار استخراج گردید از شبکه عصبیپرسپترون چند لایه با الگوریتم یادگیری پس انتشار خطا برای جداسازی کلاسهای مختلف تصویر استفاده شد.تصاویر و خروجی عدد صفر به عنوان برگ سالم، عدد (B، G، R) ورودی شبکه میانگین مولفههای اصلی رنگ3 است که از -7-7- یک بیماری سفیدک پودری و عدد دو بیماری آنتراکنوز میباشد. ساختار این شبکه 27برای لایه مخفی و خروجی استفاده شده است و در بین توابع آموزشی تابع لونبرگ tansig تابع انتقال99 درصد قادر به تشخیص بیماری شد. / مارکوارت مناسبترین عملکرد را داشت که با دقت 98
Given that most fungal diseases powdery mildew and anthracnose, cause to createdamage in cucumber greenhouses. In this study with a method of non-destructive based onimage processing and artificial neural network to distinguish the two types of fungal diseaseare discussed. Implementation Steps method proposed include three-part: segmentation,separate the damaged leaves and classification of the disease. After extracting the color andfeature from cucumber leaf. For separation different classes of image, samples will train bymulti-layer neural network by algorithm back-propagation error method. Input was Averagemain color components (R, G, B) images and 0 output as healthy leaf, 1 (powdery mildew)and two is Anthracnose. The structure of this network is 27-7-7-3. Use tansig transfer forhidden layer and output and between of educational functions, Levenberg-Marquardt’s wasthe most appropriate performance and accurate diagnosis can be 99/98 percent.