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.2024.365272.1482
چکیده

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.