بكارگيري روش پردازش تصاوير ديجيتال جهت تشخيص بيماري هاي سطح برگ برنج

Utilization of digital image processing technique to detect diseases of rice leaf

برنج يكي از محصولات استراتژيك است كه به طور گسترده اي در جهان كشت مي شود و غذاي اصلي بسياري از مردم جهان است. بيماري هاي مختلف برنج تهديدي جدي براي توليد برنج به شمار مي روند كه علاوه بر اينكه از ميزان كيفيت و كميت محصول مي كاهند، باعث تخريب واريته نيز مي شوند. از طرفي يكي از مهمترين چالش هاي پيش روي توليد برنج استفاده بيرويه از سموم شيميايي در توليد اين محصولات مي باشد. در اين تحقيق توانايي تكنيك پردازش تصوير براي تشخيص دو بيماري مهم گياه برنج (لكه قهوه اي و بلاست برگ برنج) مورد بررسي قرار گرفت. تصاوير ديجيتال مورد نياز از برگ هاي گياه برنج آلوده تهيه شده و به جعبه ابزار پردازش تصوير نرم افزار متلب انتقال داده شد. به منظور جداسازي نقاط سالم و آلوده سطح برگ از پردازش رنگي استفاده شد. الگوريتم ارائه شده توانست نقاط آلوده را در نمونه تصاوير مورد آزمايش با دقت 97/4 % تشخيص دهد. از سوي ديگر به منظور تمايز دو نوع بيماري، پردازش شكلي بر روي تصاوير باينري مربوط به برگ هاي آلوده انجام شد. نتايج نشان داد كه دقت الگوريتم در تمايز بين دو بيماري لكه قهوه اي و بلاست برگ برنج در تصاوير حاصل از قطعه بندي بيش از 96/6 % بود.

Rice is one of the strategic crops grown widely in the world and is a staple food for many people all-around the world. Various rice diseases are serious threats to rice production which not only reduce the amount and quality but also destroy the variety of plant. By the way, one of the most important challenges facing rice production is excessive use of chemical pesticides. In this paper, the capability of image processing technique was investigated to recognize two important diseases of rice plant (rice leaf blast and brown spots). Digital photographs of rice plant infected leaves were taken and transferred to image processing toolbox of MATLAB software. Color processing was employed to segment appearance defects from leaf surface. Result revealed that the developed algorithm was able to detect the defected regions of the leaves with the accuracy of 97/4%. In order to differentiate between two types of diseases, shape processing was applied on binary images of infected leaves. It was concluded that the preciseness of the algorithm was more than 96.9% to distinguish between brown spot and rice leaf blast in the segmented image