طراحی و توسعه سامانه بینایی ماشین به‌منظور پیش‌بینی محتوای کلروفیل و کارتنوئید برگ گیاهان

نویسندگان

1 گروه مکانیک بیوسیستم، دانشکده مهندسی زراعی و عمران روستایی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ایران

2 گروه مکانیک بیوسیستم، دانشکده مهندسی زراعی و عمران روستایی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ایران

3 گروه مکانیک بیوسیستم، دانشکده مهندسی زراعی و عمران روستایی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ایران

4 گروه باغبانی، دانشکده کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ایران

doi
10.22067/jam.v9i2.71716
چکیده

در زمینه‌ی کشاورزی، نظارت منظم و دوره‌ای جهت کنترل سلامت و کیفیت گیاهان امری ضروری است. اندازه‌گیری مقدار کلروفیل و کارتنوئید برگ به‌عنوان یکی از شاخص‌های سلامت محصول محسوب می‌شود. در این پژوهش مجموعه‌هایی از تصاویر برگ‌های 6 گیاه مختلف (ختمی، لگنوم، برگ بیدی، انجیر معابد، رز و کنار) با هدف پیش‌بینی کلروفیل و کارتنوئید در فضاهای رنگی پیشنهادشده (RGB،Lab ،HSV  و I1I2I3) مورد بررسی قرار گرفتند. هر فضای رنگی شرایط مختلفی از احتمال توزیع یک گروه رنگ را ارائه می‌دهد، بدین ترتیب پس از بررسی فضاهای رنگی با توجه به نتایج آنالیز آماری در سطح احتمال 5%، مناسب‌ترین پارامترهای رنگی (R، a و c) جهت آموزش الگوریتم درخت تصمیم‌گیری انتخاب گردید. بر اساس نتایج به‌دست‌آمده، نشان داده شد که بین روش پردازش تصویر و مقادیر اندازه‌گیری شده توسط دستگاه طیف‌سنج همبستگی بالای 92/0 برای کلروفیل و 85/0 برای کارتنوئید وجود دارد. همچنین شایان ذکر است که استفاده از روش پیشنهادی این تحقیق می‌تواند هم از لحاظ اقتصادی (هزینه‌های مربوط به نیروی انسانی و تهیه دستگاه اسپد) و هم از نظر صرفه‌جویی در زمان بسیار مقرون به‌صرفه باشد.