مشخصات پژوهش

عنوان	شناسایی آفت های پروانه برگ خوار و پسیل برگ پسته با استفاده از تکنیک پردازش تصویر و شبکه های عصبی مصنوعی
نوع پژوهش	مقاله چاپ شده
کلیدواژه‌ها	آفت ها، برگ درخت پسته، پردازش تصویر، شبکه های عصبی مصنوعی، نسبت خسارت.
چکیده	در این پژوهش با استفاده از تکنیک های پردازش تصویر و شبکه های عصبی مصنوعی، آفت های پروانه برگ خوار و پسیل برگ پسته شناسایی شد. بدین منظور، تصاویر دیجیتالی از برگ های آفت زده درخت پسته رقم اوحدی تهیه و ویژگی های رنگ، بافت، مورفولوژیکی و ترکیبی (بافت- رنگ) از تصاویر استخراج شد و در تشخیص و طبقه بندی آفت ها استفاده گردید. برای دست یابی به بهترین مدل، حالت های مختلف شبکه های عصبی مصنوعی و ویژگی های مختلف استخراج شده از تصاویر، مورد ارزیابی قرار گرفت که بهترین حالت ها عبارت بودند از: الف) با استفاده از شش ویژگی رنگی (واریانس، میانه، انحراف معیار، فشردگی، کشیدگی و صافی)، شبکه پس انتشار با تابع انتقال لگاریتم سیگموئید با دو لایه پنهان و لایه خروجی با تابع انتقال تانژانت سیگموئید با دقت 3/93%؛ ب) با استفاده از پنج ویژگی بافتی (آنتروپی، کنتراست، همبستگی، انرژی و همگنی)، شبکه پس انتشار با تابع انتقال تانژانت سیگموئید با دو لایه پنهان و لایه خروجی با تابع خطی با دقت 95%؛ و ج) با استفاده از پنج ویژگی مورفولوژیکی (سطح، محیط، سطح چند ضلعی محیطی، وسعت، استحکام) و 11 ویژگی ترکیبی (6 ویژگی رنگی و 5 ویژگی بافتی) با شبکه پس انتشار، با تعداد دو لایه پنهان و تابع انتقال تانژانت سیگموئید و لایه خروجی خطی به ترتیب با دقت 7/86% و 3/98%. نتایج این پژوهش نشان داد که تکنیک پردازش تصویر و شبکه های عصبی مصنوعی، توانایی تشخیص و طبقه بندی آفت های برگ پسته را با دقت بسیار خوبی دارد.
پژوهشگران	مهدی شمسی گوشکی (نفر اول)، مجید دولتی (نفر دوم)، ابراهیم احمدی (نفر سوم)، موسی رسولی (نفر چهارم)