بررسی طبقهبندی تغییر رنگ برگ گیاه پونه در اثر جذب فلزات سنگین به روش شبکه عصبی مصنوعی (ANN) و پردازش تصویر
نویسندگان
1 کارشناسی ارشد، گروه مهندسی مکانیک بیوسیستم، دانشگاه رازی، کرمانشاه، ایران
2 استادیار، گروه مهندسی تولید و ژنتیک گیاهی، دانشگاه رازی، کرمانشاه، ایران
3 دکتری مهندسی مکانیک بیوسیستم، دانشگاه رازی، کرمانشاه، ایران
4 دانشیار، گروه مهندسی مکانیک بیوسیستم، دانشگاه رازی، کرمانشاه، ایران
5 استادیار، گروه مهندسی مکانیک بیوسیستم، دانشگاه رازی، کرمانشاه، ایران
doi
چکیده
روشهای مختلفی برای حذف و تشخیص فلزات سنگین موجود در محیطزیست پیشنهاد شده که اکثر آنها زمانبر و پرهزینه میباشند. در این میان گیاه پالایی زمان و هزینه کمتری نسبت به سایر روشها برای حذف فلزات سنگین از محیط، نیاز دارد. در تحقیق حاضر به منظور تعیین آلودگی گیاه پونه به سه فلز سنگین سرب، نیکل و کادمیوم از روش پردازش تصویر به کمک تلفن همراه هوشمند استفاده شد. تعداد سی عدد از این گیاه در سی گلدان در پرلیت کاشته شد. به مدت 28 روز، هر روز از این گیاهان به دو حالت تصویربرداری در داخل جعبه و تصویربرداری تماسی به کمک گوشی تلفن همراه عکسبرداری شد. برای عملیات پردازش تصویر و شبکهی عصبی مصنوعی از محیط برنامهنویسی نرمافزار متلب R2017b استفاده شد. برای تعیین ساختار شبکه عصبی مصنوعی تعداد 12 نورون شامل (قرمز، سبز و آبی از فضای رنگی RGB، هیو، اشباع و روشنایی از فضای HSB، درخشندگی، کرومای آبی و کرومای قرمز از فضای رنگی YCbCr و روشنی، قرمز/سبز و زرد/آبی از فضای رنگ L*a*b*) به عنوان لایه ورودی و برای لایه خروجی یک بار 4 نورون شامل (سرب، نیکل، کادمیوم و شاهد) بار دیگر 2 نورون (شامل آلوده به فلز سنگین و شاهد) در هر دو نوع تصویربرداری جعبه و تماسی در نظر گرفته شدند و بهترین شبکه شناسایی و ماتریس اغتشاش به دست آورده شد.