تشخیص سه نوع بیماری برگ انگور بر پایۀ پردازش تصویر با استفاده از الگوریتم بهینهساز پروانه و ماشین بردار پشتیبان
نویسندگان
1 دانشجوی دکتری، گروه مهندسی بیوسیستم، واحد تاکستان، دانشگاه آزاد اسلامی، تاکستان، ایران
2 دانشیار گروه مهندسی بیوسیستم، واحد تاکستان،دانشگاه آزاد اسلامی، تاکستان، ایران.
3 دانشیار گروه مهندسی مکانیک، واحد شهر قدس، دانشگاه آزاد اسلامی، تهران، ایران
doi
10.22092/amsr.2024.365272.1482چکیده
امروزه تکنیکهای هوش مصنوعی و فناوریهای یادگیری ماشین توانسته است شناسایی و طبقهبندی بیماریهای گیاهی را آسان کند. در این پژوهش، به منظور تشخیص و طبقهبندی برخی بیماریهای برگ گیاه انگور با نامهای پوسیدگی سیاه، اسکای (زوال) و لکه برگی، پس از حذف پس زمینه از تصویر برگها و استخراج ویژگیهای بافت و رنگ و شکل از تصاویر، از ترکیبی از طبقهبند ماشین بردار پشتیبان و الگوریتم بهینهساز پروانه برای انتخاب مهمترین ویژگیها در تشخیص بیماری برگ گیاه انگور استفاده شد. نتایج صحت طبقهبندی برای بیماریهای پوسیدگی سیاه، اسکای (زوال) و لکه برگی و برگ سالم به ترتیب 100، 100، 100 و 95 درصد و دقت طبقهبندی برای تشخیص کل گروههای بیمار و سالم 75/98 درصد به دست آمد. نتایج طبقهبندی نشان داد که توان پردازش تصویر و یادگیری ماشین در تشخیص و طبقهبندی برخی بیماریهای گیاهی برگ انگور عالی است. در این پژوهش همچنین 15 ویژگی بافت، رنگ و شکل به کمک الگوریتم انتخاب ویژگی بهینهساز پروانه به پژوهشگران بیماری شناسی گیاهی و علوم داده معرفی شده است.