دوره 17، شماره 100 - ( 1399 )                   جلد 17 شماره 100 صفحات 28-17 | برگشت به فهرست نسخه ها

‎ 10.52547/fsct.17.100.17

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Askari Asli Ardeh E, larijani M R, Loni R. Diagnosis of Rice Blast Disease in Different Environmental Conditions using Image Processing Technique. FSCT 2020; 17 (100) :17-28
URL: http://fsct.modares.ac.ir/article-7-39272-fa.html
عسکری اصلی ارده عزت اله، لاریجانی محمد رضا، لونی ریحانه. تشخیص بیماری بلاست گیاه برنج در شرایط محیطی مختلف با استفاده از تکنیک پردازش تصویر. مجله علوم و صنایع غذایی ایران. 1399; 17 (100) :17-28

URL: http://fsct.modares.ac.ir/article-7-39272-fa.html

تشخیص بیماری بلاست گیاه برنج در شرایط محیطی مختلف با استفاده از تکنیک پردازش تصویر
عزت اله عسکری اصلی ارده 1، محمد رضا لاریجانی2 ، ریحانه لونی3
1- دانشیار، گروه مهندسی بیوسیستم، دانشگاه محقق اردبیلی، اردبیل، ایران. ، ezzataskari@uma.ac.ir
2- دانشجوی دکتری، گروه مهندسی بیوسیستم، دانشگاه محقق اردبیلی، اردبیل، ایران.
3- پژوهشگر پسادکتری، گروه مهندسی بیوسیستم، دانشگاه تربیت مدرس، تهران، ایران.
چکیده:   (3354 مشاهده)
هدف از این تحقیق ارزیابی تکنیک پردازش تصویر در تشخیص بیماری بلاست گیاه برنج در شرایط مزرعه­ای و کنترل­شده می­باشد. با استفاده از نرم­افزار Matlab، تصاویر تهیه شده از شرایط مزرعه­ای و کنترل شده، در سه فضای رنگی RGB، HSI و LAB پردازش شدند. پس از حذف پس­زمینه در فضاهای رنگی RGB، HSI و LAB به تشخیص لکه­های بیماری روی برگ گیاه برنج پرداخته شد. در فضای رنگی RGB با استفاده از تفریق آرایه­ها بصورت آزمون و خطا لکه­های بلاست روی برگ از بقیه پیکسل­های تصویر تفکیک شد. در فضای رنگی HSI از Hue استفاده شد؛ چون این مؤلفه مستقل از تغییرات شدت نور بود، شناسایی لکه بلاست نسبت به مؤلفه­های S و I  با دقت بالاتری انجام شد. در فضای رنگی LAB از الگوریتم خوشه­بندی Kmeans برای بخش­بندی تصاویر در سه خوشه استفاده گردید و پس از برچسب گذاری تصویر لکه­های بیماری بلاست در یک خوشه مستقل نمایش داده شد. در پایان جهت تعیین میزان کارایی الگوریتم­های طراحی شده در سه فضای رنگی، فاکتور حساسیت، ویژگی و دقت کل بر اساس ماتریس اغتشاش برای 500 نمونه تصویر تست شد. در شرایط مزرعه­ای و کنترل شده، بالاترین دقت در تشخیص لکه بلاست در فضای رنگی LAB حاصل شد که به ترتیب 94 و 98 درصد بود. به­طورکلی نتایج به­دست آمده نشان داد که روش پردازش تصویر می­تواند برای تشخیص بیماری بلاست گیاه برنج بکار رود.
واژه‌های کلیدی: برنج، تشخیص بیماری، پردازش تصویر، فضای رنگی.
متن کامل [PDF 5530 kb]   (1450 دریافت)    
نوع مقاله: پژوهشی اصیل | موضوع مقاله: مهندسی صنایع غذایی
دریافت: 1398/10/2 | پذیرش: 1398/12/19 | انتشار: 1399/3/10
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.