طراحی و توسعه سامانه بینایی ماشین به منظور پیش بینی محتوای کلروفیل و کارتنوئید برگ گیاهان

در زمینه ی کشاورزی، نظارت منظم و دوره ای جهت کنترل سلامت و کیفیت گیاهان امری ضروری است. اندازه گیری مقدار کلروفیل و کارتنوئید برگ به عنوان یکی از شاخص های سلامت محصول محسوب می شود. در این پژوهش مجموعه هایی از تصاویر برگ های 6 گیاه مختلف (ختمی، لگنوم، برگ بیدی، انجیر معابد، رز و کنار) با هدف پیش بینی کلروفیل و کارتنوئید در فضاهای رنگی پیشنهادشده (RGB،Lab ،HSV  و I1I2I3) مورد بررسی قرار گرفتند. هر فضای رنگی شرایط مختلفی از احتمال توزیع یک گروه رنگ را ارائه می دهد، بدین ترتیب پس از بررسی فضاهای رنگی با توجه به نتایج آنالیز آماری در سطح احتمال 5%، مناسب ترین پارامترهای رنگی (R، a و c) جهت آموزش الگوریتم درخت تصمیم گیری انتخاب گردید. بر اساس نتایج به دست آمده، نشان داده شد که بین روش پردازش تصویر و مقادیر اندازه گیری شده توسط دستگاه طیف سنج همبستگی بالای 92/0 برای کلروفیل و 85/0 برای کارتنوئید وجود دارد. همچنین شایان ذکر است که استفاده از روش پیشنهادی این تحقیق می تواند هم از لحاظ اقتصادی (هزینه های مربوط به نیروی انسانی و تهیه دستگاه اسپد) و هم از نظر صرفه جویی در زمان بسیار مقرون به صرفه باشد.