معرفي روشي كارآمد به منظور استخراج گياه از تصاوير حرارتي

در پژوهش حاضر مراحل پردازش تصوير يك سامانه ماشين بينايي به منظور شناسايي دو عدد از مهمترين بيماري هاي گياه رز (سفيدك پودري و كپك خاكستري) مورد بررسي قرار گرفت. اولين مرحله در بهره گيري از تصاوير حرارتي به عنوان يك حسگر تشخيص بيماري هاي گياهي، ثبت تصاوير حرارتي و مرئي است. در اين پژوهش به منظور ساده سازي عمل ثبت تصاوير از يك صفحه شطرنجي استفاده شد. تصوير ثبت شده توسط صفحه شطرنجي سپس به كمك يك روش ثبت تصاوير خودكار بر پايه – شدت مجددا ثبت گرديد. در مرحله بعدي پردازش تصوير، در راستاي شناسايي قسمت هاي مورد نظر از تصاوير مرئي، چهار گروه طبقه بند عصبي- فازي و يك روش آستانه- مبنا مورد بررسي قرار گرفت. براي ارزيابي الگوريتم هاي مختلف ناحيه بندي تصوير، از پنج شاخص Rand، Dice، F، VI و GCE استفاده شد. هدف معرفي بهترين روش ناحيه بندي و بهترين شاخص ارزيابي تصاوير ناحيه بندي شده بود. نتايج نشان داد كه روش آستانه- مبنا بهترين عملكرد را در زمينه تشخيص گل داشت. به علاوه طبقه بند عصبي – فازي آموزش ديده با ورودي اي در فضاي رنگ HSV و تقسيم بندي فضاي ورودي به تعداد پنج خوشه بهترين عملكرد را در تشخيص برگ ها داشته است. مقايسه شاخص هاي مختلف نشان داد كه شاخص هاي GCE و VI بيشترين هماهنگي را با ارزيابي‌هاي بصيري تصاوير ناحيه بندي شده نشان داد. در انتها نتايج اين تحقيق براي ساخت يك سامانه ماشين بينايي خودكار كه قادر به شناسايي بخش هاي بيمار از سالم بوته رز در مراحل اوليه رشد پاتوژن باشد، بكار گرفته شد.