این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی بیوسیستم ایران، جلد ۴۹، شماره ۲، صفحات ۲۱۵-۲۲۵
عنوان فارسی توسعه یک سامانه ترکیبی جدید به منظور تشخیص بیماری های برگ درخت سیب
چکیده فارسی مقاله هر ساله بیماری­های گیاهی موجب خسارت­های قابل توجهی در بخش کشاورزی می­شوند که می­توان تأثیر آن­را در چرخه­ی اقتصادی کشورها و امنیت غذایی مردم احساس نمود. تشخیص زودهنگام بیماری­های گیاهی راهکاری مفید برای کاهش این خسارت­ها می­باشد. در سال­های اخیر محققان مختلف از روش­هایی چون تصویربرداری برای تشخیص بیماری­های گیاهی استفاده نموده­اند. در این تحقیق یک سامانه جدید، متشکل از روش پردازش تصویر دیجیتال و مدل ترکیبی شبکه عصبی به­منظور تشخیص سه بیماری برگ درخت سیب (بیماری­های لکه سیاه سیب، آلترناریا و آفت مینوز) بکار گرفته شد. در واقع از فرایند روش پردازش تصویر دیجیتال برای تهیه، پردازش و استخراج ویژگی­های هر یک از تصاویر نمونه­ها و از مدل ترکیبی شبکه عصبی مصنوعی برای طبقه­بندی بیماری­ها استفاده گردید. در این مدل برای آموزش شبکه از دو الگوریتم بهینه­سازی ازدحام ذرات (PSO) و الگوریتم لونبرگ مارکوارت (LM) استفاده شد. در ادامه عملکرد سامانه پیشنهادی در تشخیص بیماری­های درخت سیب مورد ارزیابی قرار گرفته و مشاهده گردید که این سامانه در تشخیص بیماری فوق الذکر با دقت 99 درصد و شاخص­های 985/0= R2 و 099/0= RMSE عملکرد مناسبی دارد و همچنین در مقایسه با سایر روش­های انجام شده توسط دیگر محققان، در تشخیص بیماری­های برگ درخت سیب توانایی بالاتری دارد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Developing a new hybrid system for detection of apple tree leaves diseases
چکیده انگلیسی مقاله Each year, plant diseases cause considerable damages to the agricultural sector which their effect on the economy and food security is very important. Early detection of plant diseases is a useful strategy to reduce these losses. In recent years, researchers have used a variety of techniques such as machine vision for the diagnosis of plant diseases. In this study, a new system, consisting of digital image processing technique and also combination model of artificial neural network to distinguish three apple tree leaf diseases (namely Alternaria, apple black spot, and apple leaf miner pest) were used. In short, the process of digital image processing technique involves preparation, processing, and extraction of features of each of the sample images and the hybrid artificial neural network model was used to classify diseases. In this model, particle swarm optimization algorithm for network training (PSO) and Levenberg-Marquardt (LM) were used. After that, the operation of the proposed system for diagnosis of diseases of apple trees was evaluated. It is concluded that the system has a good performance for diagnosis accuracy was 99% and R2=0.985, RMSE=0.099. Finally, in comparison with other methods mentioned by other researchers for diagnosis of apple tree leaves diseases, the proposed system has higher ability.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله زهره قاسمی ورجانی |
ماشین های کشاورزی، دانشکده مهندسی و فناوری دانشگاه تهران

سید سعید محتسبی |
دانشگاه تهران

هادی قاسمی |
مهندسی عمران،دانشکده عمران محیط زیست دانشگاه امیرکبیر

الهام عمرانی |
ماشین های کشاورزی، دانشکده مهندسی و فناوری دانشگاه تهران

نشانی اینترنتی https://ijbse.ut.ac.ir/article_66824_d10d970d3e1a61a88634bee61fb12e9c.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1228/article-1228-713596.pdf
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