فهرست نشریات علمی دسترسی آزاد ایران

اگرچه در تحقیقات پیشین امضای طیفی برخی بیماری‌های قارچی شایع گوجه‌فرنگی برای شناسایی زودهنگام آن‌ها به کمک روش‌های پردازش تصاویر فراطیفی گزارش شده‌است، این تحقیقات عموماً تنها به شناسایی وقوع یا عدم وقوع بیماری محدود هستند و شدت پیشرفت بیماری را تشخیص نمی‌دهند. بنابراین، در این تحقیق، سعی شده است به کمک تحلیل تصاویر رنگی RGB و فراطیفی نمونه‌های برگ گیاهان، علاوه بر تشخیص زودهنگام بیماری لکه‌موجی گوجه‌فرنگی با عامل قارچی Alternaria alternata، مدت زمان سپری شده از مایه‌زنی سوسپانسیون اسپور قارچ به‌عنوان میزان پیشرفت بیماری نیز پیش‌بینی شود. داده‌های مرئی و فراطیفی به مدت 18 روز پس از مایه‌زنی و پیش از بروز علائم ظاهری بیماری، به‌صورت یک روز در میان از برگ‌ها جمع‌آوری گردید. نتایج نشان داد که به کمک استخراج ویژگی‌ها از امضای فراطیفی بیماری که در تحقیقات پیشین شناسایی شده است (450، 550، 650 و 900 نانومتر)، روش جنگل تصادفی بهینه‌شده با الگوریتم شاهین هریس می‌تواند وقوع بیماری را تنها پس از گذشت شش روز از مایه‌زنی با دقت، صحت و بازیابی به‌ترتیب 97، 92، و 94 درصد تشخیص دهد. همچنین، الگوریتم جنگل تصادفی بهینه‌شده با الگوریتم توده نقاط، توانایی پیش‌بینی صحیح میزان پیشرفت بیماری در هشت روز اول پس از مایه‌زنی با ضریب تبیین و میانگین مربعات خطای به‌ترتیب 91/0 و 011/0 را نشان داد. در مقایسه با عملکرد داده‌های فراطیفی، داده‌های به دست آمده از تحلیل تصاویر مرئی عملکرد به مراتب ضعیف‌تری را نشان داد. نتایج این پژوهش نشان می‌دهد استفاده از تصاویر فراطیفی می‌تواند به‌عنوان ابزاری قدرتمند در پیش‌آگاهی و تشخیص میزان پیشرفت بیماری‌های گیاهی کارآمد باشد.