تشخیص بیماری قارچی سفیدک پودری و آنتراکنوز خیار به کمک پردازش تصویر و شبکه عصبی

Abstract

با توجه به اینکه بیماریهای قارچی سفیدک پودری و آنتراکنوز بیشترین میزان خسارت را در گلخانه های<br />خیار به وجود می آورند در این پژوهش با ارائه روشی نوین و غیر مخرب مبتنی بر تکنیک پردازش تصویر و<br />شبکه عصبی مصنوعی به تشخیص این دو نوع بیماری قارچی پرداخته شده است. مراحل مربوط به پیادهسازی<br />روش پیشنهادی از سه بخش قطعهبندی، جداسازی قسمتهای آسیب دیده از برگ و طبقهبندی کلاس نوع<br />بیماری است. پس از آنکه ویژگیهای رنگی و بافت از نمونههای برگ خیار استخراج گردید از شبکه عصبی<br />پرسپترون چند لایه با الگوریتم یادگیری پس انتشار خطا برای جداسازی کلاسهای مختلف تصویر استفاده شد.<br />تصاویر و خروجی عدد صفر به عنوان برگ سالم، عدد (B، G، R) ورودی شبکه میانگین مولفههای اصلی رنگ<br />3 است که از -7-7- یک بیماری سفیدک پودری و عدد دو بیماری آنتراکنوز میباشد. ساختار این شبکه 27<br />برای لایه مخفی و خروجی استفاده شده است و در بین توابع آموزشی تابع لونبرگ tansig تابع انتقال<br />99 درصد قادر به تشخیص بیماری شد. / مارکوارت مناسبترین عملکرد را داشت که با دقت 98