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 بوجود می‌آورند، در این پژوهش با استفاده از دانش پردازش تصویر و شبکه عصبی به تشخیص و طبقه‌بندی دو بیماری قارچی مذکور پرداخته شد. مراحل پردازش تصویر شامل چهار قسمت اصلی: 1) جمع‌آوری تصاویر،2) پیش‌پردازش، 3) بررسی تصاویر تصحیل شده در دو فضای رنگی HSV و L*a*b* و انتخاب بهترین مولفه رنگی بمنظور طبقه‌بندی و استخراج نواحی آسیب دیده برگ، 4) استخراج خواص بافت نواحی آلوده سطح برگ با استفاده از ماتریس هم‌وقوعی است. از آنجایی که دو فاکتور دقت و زمان در تشخیص و طبقه‌بندی بیماری گیاهان حائز اهمیت است لذا شبکه عصبی مصنوعی (ANN) با الگوریتم پس انتشار خطا و تابع آموزشی لونبرگ مارکورات (LM) به عنوان بهترین مدل انتخاب گردید که بطور موفقیت آمیزی قادر به تشخیص، طبقه‌بندی این دو بیماری در مدت زمان 6 ثانیه و با دقت 99/96 درصد شد.