تشخیص خودکار شدت بیماری های قارچی گندم بر اساس روش های پردازش تصویر دیجیتال
پذیرفته شده برای پوستر
عنوان دوره: سیزدهمین کنگره زراعت و اصلاح نباتات ایران
نویسندگان
1آزﻣﺎﻳﺸﮕﺎه ﺳﻴﮕﻨﺎل و ﺳﻴﺴﺘﻢ ﻫﺎی اﻟﻜﺘﺮوﻧﻴﻜﻲ، داﻧﺸﻜﺪه ﻣﻬﻨﺪﺳﻲ ﺑﺮق، داﻧﺸﮕﺎه ﺻﻨﻌﺘﻲ ﺧﻮاﺟﻪ ﻧﺼﻴﺮاﻟﺪﻳﻦ ﻃﻮﺳﻲ، ﺗﻬﺮان
2ﺑﺨﺶ ﺗﺤﻘﻴﻘﺎت ﻏﻼت، ﻣﻮﺳﺴﻪ ﺗﺤﻘﻴﻘﺎت اﺻﻼح و ﺗﻬﻴﻪ ﻧﻬﺎل و ﺑﺬر، ﻛﺮج
چکیده
گندم از مهم ترین محصولات زراعی در جهان محسوب میشود. یکی از عوامل مهم در کاهش تولید گندم و کیفیت آن، بیماریها و
آفات گندم میباشد که اقتصاد و زندگی مردم را تحت تاثیر خود قرار میدهد. تشخیص بیماری و اندازهگیری شدت آن نقش بسزایی
در کنترل بیماریهای گندم ایفا میکنند. متداولترین روش کنونی برای تشخیص نوع بیماری و تخمین شدت آن، استفاده از نیروی
انسانی متخصص بوده است. استفاده از بینایی انسان مستلزم صرف زمان و هزینه است. علاوه بر آن به دلیل خستگی چشم، معیارهای
متفاوت افراد و خطای دید، منجر به نتایج ارزیابی متغیر و در نتیجه غیر استاندارد می شود.
با توجه به مشکلات ارزیابی بصری و انسانی، میتوان از بینایی ماشین به عنوان جایگزینی مناسب برای بینایی انسان استفاده نمود.
سیستم بینایی ماشین، بر اساس بررسی خودکار تصاویر و تجزیه و تحلیل آنها با روشهای مختلف پردازش تصویر، به ارزیابی و دسته
بندی نتایج می پردازد. از مهمترین مزایای سیستم بینایی ماشین افزایش دقت و سرعت با هزینهی کم و در مجموع بازدهی بالا است.
در این مقاله یک سیستم بینایی ماشین بر اساس الگوریتم های آستانه گذاری و عملگرهای مورفولوژی، برای تعیین خودکار شدت
بیماریهای قارچی گندم ارائه شده است. با توجه به نتایج آزمایشگاهی حاصل از اعمال الگوریتم بر روی تصاویر مختلف، دقتی بالای
95 درصد حاصل گردیده است.
آفات گندم میباشد که اقتصاد و زندگی مردم را تحت تاثیر خود قرار میدهد. تشخیص بیماری و اندازهگیری شدت آن نقش بسزایی
در کنترل بیماریهای گندم ایفا میکنند. متداولترین روش کنونی برای تشخیص نوع بیماری و تخمین شدت آن، استفاده از نیروی
انسانی متخصص بوده است. استفاده از بینایی انسان مستلزم صرف زمان و هزینه است. علاوه بر آن به دلیل خستگی چشم، معیارهای
متفاوت افراد و خطای دید، منجر به نتایج ارزیابی متغیر و در نتیجه غیر استاندارد می شود.
با توجه به مشکلات ارزیابی بصری و انسانی، میتوان از بینایی ماشین به عنوان جایگزینی مناسب برای بینایی انسان استفاده نمود.
سیستم بینایی ماشین، بر اساس بررسی خودکار تصاویر و تجزیه و تحلیل آنها با روشهای مختلف پردازش تصویر، به ارزیابی و دسته
بندی نتایج می پردازد. از مهمترین مزایای سیستم بینایی ماشین افزایش دقت و سرعت با هزینهی کم و در مجموع بازدهی بالا است.
در این مقاله یک سیستم بینایی ماشین بر اساس الگوریتم های آستانه گذاری و عملگرهای مورفولوژی، برای تعیین خودکار شدت
بیماریهای قارچی گندم ارائه شده است. با توجه به نتایج آزمایشگاهی حاصل از اعمال الگوریتم بر روی تصاویر مختلف، دقتی بالای
95 درصد حاصل گردیده است.
کلیدواژه ها
Title
Automatic detection of fungal disease severity in wheat by digital image processing methods
Authors
Abstract
Wheat is one of the most important crops in the world . One of the most important factors in reducing the production
and quality of wheat , wheat diseases and pests that will affect the economy and people's lives . Disease detection and
measurement of disease severity play a significant role in controlling wheat diseases . the most common approaches to
disease diagnosis and disease severity measurement is the naked eye. The use of human vision takes time and money .
In addition, due to eyestrain, different standards of individual and illusions , the result is a variable human vision .
Machine Vision System , an automated system based on image processing and image analysis with different methods is
included. Machine vision systems are the main benefits of precision, high speed , low cost and high efficiency.
In this paper, a new method based on thresholding and morphological operations , to determine the severity of wheat
fungal disease is presented. According to the results of applying the algorithm on various images , high accuracy of
95% has been achieved.
and quality of wheat , wheat diseases and pests that will affect the economy and people's lives . Disease detection and
measurement of disease severity play a significant role in controlling wheat diseases . the most common approaches to
disease diagnosis and disease severity measurement is the naked eye. The use of human vision takes time and money .
In addition, due to eyestrain, different standards of individual and illusions , the result is a variable human vision .
Machine Vision System , an automated system based on image processing and image analysis with different methods is
included. Machine vision systems are the main benefits of precision, high speed , low cost and high efficiency.
In this paper, a new method based on thresholding and morphological operations , to determine the severity of wheat
fungal disease is presented. According to the results of applying the algorithm on various images , high accuracy of
95% has been achieved.
Keywords
wheat fungal disease, image processing, grading disease, morphology