فهرست نشریات علمی دسترسی آزاد ایران

پایش سریع و دقیق شرایط تغذیه‌ای باغ‌های میوه برای توصیه بهینه کودی یک بخش حیاتی در بهبود عملکرد و افزایش کیفیت محصولات کشاورزی است. روش‌های آزمایشگاهی فعلی مورد استفاده برای وضعیت تغذیه درختان میوه گران، دشوار، زمان‌بر و نیازمند فرد متخصص هستند. این تحقیق به منظور تعیین میزان کمبود آهن در درختان هلو، روش پردازش تصویر و مدل شبکه عصبی استفاده شد. یک پایگاه داده شامل 800 تصویر از نمونه‌های برگ هلو در ابتدا تهیه و تصاویر با استفاده از روش خوشه‌بندی KNN در چهار کلاس بدون کمبود، کمبود کم، کمبود متوسط و کمبود شدید طبقه‌بندی شدند. عملیات پیش‌پردازش، استخراج ویژگی‌ها و مدل‌سازی با استفاده از شبکه عصبی در نرم‌افزار متلب نسخه 2017 انجام گرفت. ویژگی‌های میانگین و انحراف معیار از مولفه‌های فضاهای رنگی RGB، HSV و Lab هر تصویر استخراج شدند و سپس الگوریتم آنالیز مولفه اصلی (PCA) بر روی بردار ویژگی اعمال شد. برای تعیین ساختار بهینه شبکه معیارهای دقت، صحت، بازیابی و معیار F برای تعیین تعداد ورودی‌های بهینه و تعداد نورون‌های متناظر با هر ترکیب ویژگی‌های ورودی (PCها) استفاده شد. نتایج نشان داد که مدل شبکه عصبی با ساختار 4 – 36 – 6 قادر است با دقت (54/0 ± 73/89 %)، صحت (57/0 ± 59/89 %)، بازیابی (51/0 ± 52/89 %) و معیار F (54/0 ± 55/89 %) میزان سطح کمبود آهن در برگ درخت هلو را تشخیص دهد. نتایج بدست آمده از ماتریس اغتشاش و مدل توسعه داده شده نشان داد که این روش قادر است با کارایی بالا شدت کمبود آهن در برگ‌ درختان هلو را تشخیص دهد.