استفاده از یادگیری عمیق در تشخیص خودکار بیماری گیاهان بر اساس پردازش تصویر برگ
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
تشخیص سریع بیماری های گیاهان همواره از چالش های مهم صنعت کشاورزی بوده است. یکی از رویکردهایی که در این زمینه مورد استقبال واقع شده، استفاده از روش های پردازش تصویر است. مزیت این روش ها در خودکار، سریع، کم هزینه، غیرتخریبی و دقیق بودن آنهاست. در این پژوهش، با پردازش تصویر برگ گیاهانو محصولات کشاورزی، ضمن تشخیص گیاهان سالم از ناسالم، نوع و شدت بیماری آنها نیز به صورت خودکار تشخیص داده می شود. برای این کار از روش های مبتنی بر یادگیری عمیق شامل چندین معماری مختلف از شبکه های عصبی پیچشی به همراه دسته بند ماشین بردار پشتیباناستفاده شده است. روش پیشنهادی در این پژوهش قابل تعمیم به گیاهان و محصولات مختلف و همین طور به چندین گیاه به طور همزمان است. شبکه های طراحی شده با استفاده از دو زیر مجموعه متفاوت از تصاویر مجموعه داده Plant Villageآموزش داده شد و مورد ارزیابی قرار گرفت. در زیر مجموعه اول که مربوط به تشخیص بیماری درخت سیب در چهار کلاس مختلف بود، دقت 95 درصد و در زیر مجموعه دوم که مربوط به چهار گیاه مختلف و در 10 دسته بود، دقت 8/96 درصد به دست آمد. نتایج ارزیابی نشان داد ترکیب دسته بند ماشین بردار پشتیبان با شبکه های یادگیری عمیق، دقت تشخیص بیماری گیاهان را بهبود می بخشد.
کلیدواژگان:
زبان:
فارسی
صفحات:
49 تا 68
لینک کوتاه:
magiran.com/p2300245
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!