تشخيص آفت سوسك چهار نقطه‌اي حبوبات توسط تكنيك پردازش تصوير و شبكه عصبي مصنوعي

با توجه به‌سرعت و دقت بالاي تشخيص هوشمند آفات در محصولات انباري، در اين پژوهش تشخيص آفت سوسك چهار نقطه اي حبوبات توسط تكنيك پردازش تصوير با بهره گيري از شبكه هاي عصبي مصنوعي انجام شده است. براي تهيه تصاوير مناسب، جعبه اي شيشه اي تهيه و دانه هاي نخود در مركز جعبه قرار داده شد. سپس از شش وجه به آن نور تابانده و از تمامي وجوه توسط يك دوربين ديجيتال، از آن عكسبرداري انجام شد. سپس ويژگي تصاوير شامل بافت و لبه ها توسط موجك گابور با بكارگيري نرم افزار MATLAB استخراج و به‌عنوان داده‌هاي آموزشي به شبكه عصبي مصنوعي معرفي شدند. براي آموزش شبكه از 69 تصوير نخود آسيب ديده توسط سوسك چهارنقطه اي حبوبات و 59 نخود سالم استفاده شد. سپس براي ارزيابي شبكه، يك دسته از داده ها كه در آموزش شبكه هيچ نقشي نداشته اند به عنوان داده هاي آزمون، به شبكه اعمال شد و نتايج آن بررسي شد. در اين پژوهش از شبكه هاي عصبي پرسپترون و المن استفاده شد كه شبكه پرسپترون نتايج بهتري نسبت‌به شبكه المن داشت. روش پيشنهادي با 6.17 درصد خطاي عدم تشخيص و 4.86 درصد خطاي تشخيص اشتباه، توانست با نرخ بالايي نخودهاي آسيب ديده را آشكارسازي نمايد. پس از پردازش تصوير توسط شبكه عصبي و تشخيص نقاط آسيب، ميزان آسيب محصول نيز محاسبه شد. بدين‌منظور، سطح آسيب تشخيص داده شده محاسبه و مقدار آن بر مساحت سطح كل دانه نخود تقسيم و درصد آسيب دانه ها برابر با 2.3 درصد برآورد شد.