این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی بیوسیستم ایران، جلد ۵۱، شماره ۴، صفحات ۷۳۷-۷۴۸
عنوان فارسی شناسایی شکرک‌ ناشی از آفت پسیل پسته با استفاده از تکنیک پردازش تصویر
چکیده فارسی مقاله مبارزه با آفات و بیماری­ها همواره جز دغدغه­های اصلی کشاورزان بوده است. تشخیص به موقع آفت می­تواند در روش مبارزه، حفظ­ محیط زیست و سلامت انسان بسیار موثر ­باشد. استفاده از ماشین بینایی و پردازش تصویر با ورود به عرصه کشاورزی کمک قابل توجهی در مبارزه با آفات داشته است. هدف پژوهش حاضر استفاده از این تکنیک برای تشخیص شکرک ناشی از آفت پسیل پسته بوده است.­ برگ­ها با سطوح متفاوتی از شکرک­ از باغ جمع­آوری ­شدند و تصویربرداری بوسیله دوربین­هایی با وضوح­های 7، 13 و 7/20 مگاپیکسل­ و در شرایط نوردهی یکسان در جعبه تصویربرداری انجام شده است. تصاویر در جعبه ­ابزار پردازش ­تصویر نرم­افزار متلب ویرایش 2019الف با استفاده از الگوریتم­های قطعه­بندی حوضه آبریز و آتسوبرای شناسایی شکرک­ها پردازش و درصد مساحت شکرک­دار برگ محاسبه شد. برای سهولت کار کاربران­­ یک رابط گرافیکی کاربر­ نیز برای پردازش تصاویر و محاسبه مساحت شکرک­دار طراحی ­گردید. میانگین نرخ طبقه­بندی درست در ماتریس آشفتگی برای قطعه­بند حوضه آبریز برای تشخیص شکرک­ها 95/0 و صحت کلی میانگین 88/0 بدست آمد. ضریب­ تبیین و معادله رگرسیونی بین جمعیت آفات و سطوح شکرک­دار نمونه­ها برای دوربین­های مختلف بدست آمد. دوربین با وضوح 7/20 مگاپیکسل با ضریب تبیین 93/0= 2Rو معادله رگرسیونی x03/1y = توانست بهترین عملکرد را به خود اختصاص دهد. نتایج حاصل از سایر دوربین­ها نیز قابل قبول بوده و در شرایط متفاوت می­توان از آن­ها استفاده کرد.
کلیدواژه‌های فارسی مقاله پردازش تصویر،حوضه آبریز،شرایط نوردهی،شکرک،قطعه‌بندی،
عنوان انگلیسی Detecting the Honeydew of Common Pistachio Psylla Pest by Using Image Processing Technique
چکیده انگلیسی مقاله Pests and disease control have always been one of the main concerns and challenges of farmers and growers. The use of machine vision and image processing has greatly helped growers in pest management. The purpose of this study was to use image processing technique to detect honeydew produces by pistachio psylla and find the relation between the percent of leaf coverage by honeydew and pistachio psylla infestation. The leaves were collected from the research orchard with various infestation rates. Leaf samples were imaged by three cameras with 7, 13 and 20.7 MP resolutions at the same exposure conditions in imaging chamber with controlled lighting conditions. Images were processed in the Matlab R2019a using Watershed and Otsu segmentation algorithms to find the percentage of leaf surface covered by honeydew. The covered area was calculated using predefined functions in the image processing toolbox. A graphical user interface (GUI) was also designed to make the program more user friendly. Considering TPR mean value of 0.95 and total accuracy of 0.88 for watershed segmentation method showed its acceptable performance in discriminating honeydew out of other objects in images. Coefficient of determination and regression equation between pest population (obtained from manual count by expert) and percentage of leaf area covered by honeydew were obtained for different cameras. Camera with 20.7 MP resolution achieved the best performance with coefficient of determination 0.93 and regression equation y=1.03 x. The results from other cameras were also satisfactory.
کلیدواژه‌های انگلیسی مقاله پردازش تصویر,حوضه آبریز,شرایط نوردهی,شکرک,قطعه‌بندی
نویسندگان مقاله محمد قربانی |
بخش مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان

محمدمهدی مهارلویی |
بخش مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران

کمال احمدی |
بخش گیاه پزشکی، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران

نشانی اینترنتی https://ijbse.ut.ac.ir/article_79123_00919cefddfc687a01f1cf23a7183707.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات