توسعه يك سامانه تركيبي جديد به منظور تشخيص بيماري هاي برگ درخت سيب

Developing a new hybrid system for detection of apple tree leaves diseases

هر ساله بيماري­هاي گياهي موجب خسارت­هاي قابل توجهي در بخش كشاورزي مي­شوند كه مي­توان تأثير آن­را در چرخه­ي اقتصادي كشورها و امنيت غذايي مردم احساس نمود. تشخيص زودهنگام بيماري­هاي گياهي راهكاري مفيد براي كاهش اين خسارت­ها مي­باشد. در سال­هاي اخير محققان مختلف از روش­هايي چون تصويربرداري براي تشخيص بيماري­هاي گياهي استفاده نموده­اند. در اين تحقيق يك سامانه جديد، متشكل از روش پردازش تصوير ديجيتال و مدل تركيبي شبكه عصبي به­منظور تشخيص سه بيماري برگ درخت سيب (بيماري­هاي لكه سياه سيب، آلترناريا و آفت مينوز) بكار گرفته شد. در واقع از فرايند روش پردازش تصوير ديجيتال براي تهيه، پردازش و استخراج ويژگي­هاي هر يك از تصاوير نمونه­ها و از مدل تركيبي شبكه عصبي مصنوعي براي طبقه­بندي بيماري­ها استفاده گرديد. در اين مدل براي آموزش شبكه از دو الگوريتم بهينه­سازي ازدحام ذرات (PSO) و الگوريتم لونبرگ ماركوارت (LM) استفاده شد. در ادامه عملكرد سامانه پيشنهادي در تشخيص بيماري­هاي درخت سيب مورد ارزيابي قرار گرفته و مشاهده گرديد كه اين سامانه در تشخيص بيماري فوق الذكر با دقت 99 درصد و شاخص­هاي 985/0= R2 و 099/0= RMSE عملكرد مناسبي دارد و همچنين در مقايسه با ساير روش­هاي انجام شده توسط ديگر محققان، در تشخيص بيماري­هاي برگ درخت سيب توانايي بالاتري دارد.

Each year, plant diseases cause considerable damages to the agricultural sector which their effect on the economy and food security is very important. Early detection of plant diseases is a useful strategy to reduce these losses. In recent years, researchers have used a variety of techniques such as machine vision for the diagnosis of plant diseases. In this study, a new system, consisting of digital image processing technique and also combination model of artificial neural network to distinguish three apple tree leaf diseases (namely Alternaria, apple black spot, and apple leaf miner pest) were used. In short, the process of digital image processing technique involves preparation, processing, and extraction of features of each of the sample images and the hybrid artificial neural network model was used to classify diseases. In this model, particle swarm optimization algorithm for network training (PSO) and Levenberg-Marquardt (LM) were used. After that, the operation of the proposed system for diagnosis of diseases of apple trees was evaluated. It is concluded that the system has a good performance for diagnosis accuracy was 99% and R2=0.985, RMSE=0.099. Finally, in comparison with other methods mentioned by other researchers for diagnosis of apple tree leaves diseases, the proposed system has higher ability.