تشخیص بیماری قارچی سفیدک پودری و آنتراکنوز خیار به کمک پردازش تصویر و شبکه عصبی

Authors: not saved
Abstract:

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

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

سامانه‌ تشخیص بیماری قارچی سفیدک پودری و آنتراکنوز برگ خیار با تکنیک پردازش تصویر و شبکه عصبی مصنوعی

بیماری‌های گیاهی می‌تواند باعث کاهش کیفیت و کمیت محصولات کشاورزی شوند. در بعضی از کشورها کشاورزان زمان قابل توجهی را صرف مشاوره با گیاه‌پزشکان ‌می‌کنند در حالیکه زمان عاملی مهم در کنترل بیماری می‌باشد، به همین دلیل ارائه روشی سریع، ارزان و دقیق برای تشخیص بیماری‌های گیاهی لازم به نظر می‌رسد. با توجه به اینکه بیماری‌های قارچی‌ سفیدک پودری و آنتراکنوز بیشترین میزان خسارت را در گلخانه‌های خیار بوج...

full text

تشخیص آفت سوسک چهار نقطهای نخود به کمک پردازش تصویر و شبکه عصبی

نظر به اهمیت تشخیص مکانیزه آفات گیاهان، در این پژوهش تشخیص آفت نخود توسط تکنیک پردازش تصویر با بهره گیری از شبکه های عصبی مصنوعی شبیه سازی شده است. بدین منظور تعدادی تصویر در ابعاد 18پیکسل از نخودهای سالم و آسیب دیده بعنوان تصاویر آموزش تهیه شده و پس از استخراج ویژگی آنها ×27 توسط موجک گابور، بعنوان داده های آموزشی به شبکه عصبی اعمال گردید. سپس برای تست شبکه، یک دسته از داده ها که در آموزش شبکه...

full text

ردیابی و پایش برخط بیماری سفیدک داخلی خیار به کمک پردازش تصویر

بیماری های گیاهی یکی از بزرگترین معضلات بخش کشاورزی بوده و سالانه خسارات اقتصادی هنگفتی به این بخش وارد می-کنند. از سوی دیگر، استفاده بی رویه از سموم جهت رفع این مشکل، خود عامل ایجاد بیماری های خطرناک، در کشاورزان و مصرف کنندگان می باشد. بنابراین، به جاست با ارائه راهکارهایی جهت تشخیص به هنگام این بیماری ها، از تبعات آن جلوگیری به عمل آید. یکی از این بیماری های مهلک، بیماری سفیدک داخلی(downey m...

امکان استفاده از مهارگرهای ارگانیک درمدیریت بیماری سفیدک پودری خیار

در این تحقیق اثر قارچ‌کش‌های ارگانیک بیکربنات پتاسیم (کالیبان SP 85%) و سی‌جی-تری (میلدیوکیور SL 83%) در کنترل سفیدک پودری خیار بررسی شد. نتایج نشان داد که کالیبان 5، 7 و 10 در هزار به ترتیب با کاهش بیماری به مقدار 8/34، 2/57 و 6/59 درصد در مزرعه و 4/55، 5/59 و 64 درصد در گلخانه نسبت به شاهد قادر به رقابت با قارچ‌کش مرجع دینوکاپ (کاراتان WP 25/18%) 5/2 در هزار نبود. در تلفیق کالیبان با قارچ‌کش‌...

full text

پردازش تصویر خیار گلخانه ای با رهیافت شبکه عصبی به منظور به کارگیری در ربات برداشت خیار

پردازش تصویر خیار گلخانهای با رهیافت شبکه عصبی به منظور به کارگیری در ربات برداشت خیار معین زند1                          چکیده: در این تحقیق روشی برای آشکارسازی میوه خیار در تصاویر گلخانه­ای با رهیافت شبکه عصبی پیشنهاد شده است. برای این منظور ابتدا پس از متعادل­سازی هیستوگرام روشنایی تصویر مورد نظر، آن را با یک پنجره حاوی تصویر یک میوه خیار ضرب کرده که باعث به وجود آمدن ضرایب بزرگ­تر در نواحی ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 4  issue 4

pages  1- 14

publication date 2016-03-21

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023