فهرست نشریات علمی دسترسی آزاد ایران

کمبود آهن به عنوان یکی از شایع‌ترین مشکلات تغذیه‌ای گیاهان باغی واقع در خاک‌های آهکی است. تشخیص سریع کمبود آهن با استفاده از پردازش تصویر و یادگیری ماشین می‌تواند به عنوان یک روش ارزان به رفع این مشکل کمک کند. از این رو برای بررسی ارتباط بین کمبود آهن و ویژگیهای رنگ برگ، یک پایگاه داده شامل 1575 تصویر برگ سیب با سطوح مختلف کمبود آهن (شدید، متوسط، کم و بدون کمبود) جمع‌آوری گردید. تصویربرداری با استفاده از دوربین گوشی هوشمند انجام گرفت و مقادیر آهن فعال و کل هر نمونه با دستگاه جذب اتمی اندازه‌گیری گردید. ویژگی‌های رنگی از فضاهای رنگی RGB، Lab، HSV و NTSC به همراه ۸ شاخص رنگی ترکیبی استخراج شد. مدل‌سازی با دو رویکرد رگرسیون خطی و شبکه عصبی مصنوعی انجام گرفت. نتایج مدل خطی نشان داد مدل خطی قادر به پیش‌بینی آهن فعال با ضریب تعیین  R2 = 0.74 است، اما با آهن کل همبستگی نشان نداد. مدل شبکه عصبی با دقت R2 = 0.80 و مقادیر خطای RMSE = 1.156 و MAPE=25.03 عملکرد بهتری نسبت به مدل خطی داشت. در نتیجه، مدل شبکه عصبی با استفاده از ویژگی‌های رنگی برگ می‌تواند به عنوان روش سریع و غیر مخرب در تشخیص کمبود آهن و تخمین میزان آهن برگ سیب مورد استفاده قرار بگیرد.