فهرست نشریات علمی دسترسی آزاد ایران

آهن یک عنصر ضروری در فرآیند رشد گیاهان است که نقش حیاتی در تولید کلروفیل دارد. کمبود آهن یکی از محدودیت‌های جدی در باغ‌های انگور است که می‌تواند عملکرد و کیفیت محصول را به طور قابل توجهی تحت تاثیر قرار دهد. استفاده از روش‌های نوین مانند پردازش تصویر دیجیتال، علاوه بر دقت بالا، با کاهش نیاز به انجام آزمایش‌های گران‌قیمت و وقت‌گیر آزمایشگاهی، موجب کاهش هزینه‌ها و تسریع فرایند تصمیم‌گیری مبتنی بر داده در مدیریت باغ می‌شود. هدف این مطالعه توسعه یک سامانه مبتنی پردازش تصویر و شبکه عصبی برای تخمین آهن فعال موجود در برگ گیاه انگور است. بدین منظور، 55 نمونه برگ با سطوح مختلف کمبود آهن از باغ‌های اطراف شهرستان ارومیه جمع‌آوری و مورد آزمایش قرار گرفت. میزان آهن کل و آهن فعال در نمونه‌ها با استفاده از روش جذب اتمی اندازه‌گیری شده و تصاویر برگ‌ها در شرایط نوری کنترل شده ثبت و مورد پردازش قرار گرفتند. ویژگی‌های آماری از تصاویر استخراج و همبستگی آنها با مقادیر آهن فعال و آهن کل مورد بررسی قرار گرفت. در نهایت ویژگی‌های برتر برای پیش‌بینی میزان آهن با استفاده از شبکه عصبی مصنوعی چند لایه استفاده شد. نتایج رگرسیون خطی نشان داد که میزان آهن فعال برگ با مولفه‌های رنگی R، G، H و S به ترتیب دارای همبستگی 64/0، 58/0 و 54/0 و 45/0 است ولی مقدار آهن کل دارای همبستگی با تغییرات رنگ برگ نیست. مدل شبکه عصبی با ساختار بهینه 1-9-8 قادر به پیش‌بینی داده‌های بدست آمده از دستگاه جذب اتمی با دقت 83/0، 88/0 و 84/0 به‌ترتیب برای داده‌های آموزش، تست و کل داده‌ها بود. در نهایت می‌توان نتیجه گرفت که روش پردازش تصویر به عنوان یک ابزار موثر و قابل اعتماد در مدیریت بهینه تغذیه گیاهان و تشخیص سریع کمبود آهن می‌تواند مورد استفاده قرار گیرد.