توسعه یک سامانه ترکیبی جدید به منظور تشخیص بیماری های برگ درخت سیب

هر ساله بیماری های گیاهی موجب خسارت های قابل توجهی در بخش کشاورزی می شوند که می توان تاثیر آن را در چرخه ی اقتصادی کشورها و امنیت غذایی مردم احساس نمود. تشخیص زودهنگام بیماری های گیاهی راهکاری مفید برای کاهش این خسارت ها می باشد. در سال های اخیر محققان مختلف از روش هایی چون تصویربرداری برای تشخیص بیماری های گیاهی استفاده نموده اند. در این تحقیق یک سامانه جدید، متشکل از روش پردازش تصویر دیجیتال و مدل ترکیبی شبکه عصبی به منظور تشخیص سه بیماری برگ درخت سیب (بیماری های لکه سیاه سیب، آلترناریا و آفت مینوز) بکار گرفته شد. در واقع از فرایند روش پردازش تصویر دیجیتال برای تهیه، پردازش و استخراج ویژگی های هر یک از تصاویر نمونه ها و از مدل ترکیبی شبکه عصبی مصنوعی برای طبقه بندی بیماری ها استفاده گردید. در این مدل برای آموزش شبکه از دو الگوریتم بهینه سازی ازدحام ذرات (PSO) و الگوریتم لونبرگ مارکوارت (LM) استفاده شد. در ادامه عملکرد سامانه پیشنهادی در تشخیص بیماری های درخت سیب مورد ارزیابی قرار گرفته و مشاهده گردید که این سامانه در تشخیص بیماری فوق الذکر با دقت 99 درصد و شاخص های 985/0= R2 و 099/0= RMSE عملکرد مناسبی دارد و همچنین در مقایسه با سایر روش های انجام شده توسط دیگر محققان، در تشخیص بیماری های برگ درخت سیب توانایی بالاتری دارد.