توسعه سامانه هوشمند تشخيص بيماري آتشك در گياه ليليوم با استفاده از روش پردازش تصوير

Development of an Intelligent System for Diagnosis of the Botrytis Elliptica Disease in the Lilium Plant Using Image Processing

تشخيص خودكار بيماري­ هاي گياهي در مراحل اوليه در مزارع بزرگ مي ­تواند علاوه بر افزايش كيفيت محصول نهايي از بروز خسارات جبران ناپذير نيز جلوگيري نمايد. لذا در اين پژوهش سامانه­ اي هوشمند بر مبناي پردازش تصاوير به منظور شناسايي و رفع بيماري آتشك در­ برگ گياه ليليوم و همچنين طبقه­ بندي گياه سالم از بيمار طراحي و توسعه يافت. بر اين اساس تعداد 20 گل­ سالم و 20 گل آلوده توسط سامانه بينايي ماشين ارزيابي شدند. به منظور طبقه ­بندي گياهان تعداد 19 ويژگي رنگي و موفولوژيگي از گياه استخراج و موثرترين اين ويژگي ­ها (L برگ، a برگ، b برگ، L ساقه و طول ساقه) با كمك روش آنتروپي فازي انتخاب و به وسيله طبقه ­بند مشابه گروه ­بندي گرديدند. راندمان الگوريتم پيشنهادي در تشخيص و طبقه ­بندي بيماري براي آنتروپي فازي H1، آنتروپي فازي H2/H3 و بدون انتخاب ويژگي به ترتيب 96/15، 93/18 و 84/3 بدست آمد.

The automatic detection of plant diseases in the early stages of growth can increase the quality of the final product and prevent the occurrence of permanent damage in large part of farms. Therefore, in this research an intelligent system was designed and developed based on image processing in order to detect and eliminate the disease in the lilium plant leaf, as well as the classification of healthy plants from the unhealthy ones. Accordingly, 20 healthy flowers and 20 unhealthy were evaluated by machine vision system. In order to classify plants, 19 color and morphology parameters of the plant were extracted and the most effective ones (leaf L, leaf a, leaf b, stem L, and stem length) were selected by fuzzy entropy method and these suitable features were grouped by the similarity classifier. As result, the efficiency of the proposed algorithm to diagnose and classify the disease using fuzzy entropy H1, H2 / H3 fuzzy entropy and without applying selection of features method were 96.15, 93.18 and 84.3, respectively.