پديد آورنده :
عبودي، ميترا
عنوان :
تشخيص علائم ويروس موزاييك خيار به كمك پردازش تصوير
مقطع تحصيلي :
كارشناسي ارشد
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده كشاورزي
صفحه شمار :
چهارده، 126ص.: مصور، جدول، نمودار
يادداشت :
ص.ع. به فارسي و انگليسي
استاد مشاور :
احمد ميره اي، اميرمساح
توصيفگر ها :
شبكه عصبي مصنوعي , استخراج ويژگي , بيماري هاي گياهي , لكه هاي رنگ پريده
تاريخ نمايه سازي :
94/2/7
استاد داور :
علي اسحق بيگي، مسعود بهار
تاريخ ورود اطلاعات :
1396/09/26
چكيده فارسي :
2 چكيده بيماريهاي گياهي در كاهش كمي و كيفي محصوالت كشاورزي تاثير قابل توجهي دارند ويروسها به عنوان يكي از مهمترين عوامل بيماريزاي گياهي باعث خسارت قابل توجهي به محصوالت زراعي ميشوند در كدوئيان از جمله خيار ويروسهاي متعددي باعث ايجاد بيماري ميشوند كه اغلب توليد عالئم موزاييكي روي برگ و ميوه ميكنند يكي از مهمترين ويروسهاي آلوده كننده كدوئيان ويروس آبلهاي شدن برگ يا به عبارتي بيماري موزاييك خيار با نام علمي Cucumber mosaiv virus است كه گسترش جهاني و دامنه ميزباني وسيعي دارد خسارت اين بيماري در ايران زياد است و در مزارع خيار ميزان كاهش محصول ناشي از اين بيماري را تا يك سوم برآورد نمودهاند استفاده از حشره كش براي محافظت از محصول در مقابل بيماري و آفت نه تنها هزينه توليد محصول را باال ميبرد بلكه خطر باقيماندن سموم در محصوالت كشاورزي را افزايش ميدهد تشخيص زودهنگام عالئم بيماري يا حضور اوليهي آفت شته يك نقطه كليدي در زمينهي مديريت آفات و كنترل بيماري است عالئم اين بيماري در مراحل اوليه ظهور لكههاي رنگ پريده لكههاي سبز روشن در زمينه سبز تيره يا بلعكس در سطح برگ ميباشد به علت شرايط دمايي و رطوبتي در گلخانه تصميم سريع براي كنترل بيماري و آفات به منظور جلوگيري از انتشار و آلودگي دائمي گلخانه ضروري است از اينرو در پروژه حاضر اقدام به طراحي ساخت و ارزيابي يك سيستم متحرك در گلخانه جهت تشخيص عالئم موزاييك در خيار و كدو به كمك عكسبرداري و پردازش تصوير در طيف مرئي شد براي رسيدن به هدف ابتدا در شرايط كنترل شده گلخانه گياهان خيار و كدو كاشتهشدند سپس به منظور توليد عالئم موزاييكي از ويروس موزاييك خيار جهت تلقيح گياهان استفاده شد بعد از بروز عالئم ظاهري از آنها به كمك سامانه متحرك در گلخانه در شرايط نور طبيعي و با دوربين 011 Canon s عكسبرداري شد اين تصاوير در نرمافزار متلب و به كمك الگوريتم GMR جهت جداسازي سايهانداز گياه از پسزمينه خاك و بقيه اجزاي گلخانه پردازش شدند و 23 ويژگي رنگي از كليه تصاوير استخراج شد به منظور دستهبندي گياهان سالم از گياهان داراي عالئم موزاييكي از شبكه عصبي مصنوعي استفاده شد كه ورودي آن ويژگيهاي استخراج شده از مرحله قبل بود شبكه بهينهاي كه براي دستهبندي گياهان داراي عالئم موزاييكي از گياهان سالم انتخاب شد يك شبكه عصبي مصنوعي با اختصاص 17 دادهها به دادههاي آموزش 52 به دادههاي اعتبار سنجي و 52 به دادههاي تست بود جهت آموزش شبكه از تابع آموزش trainscg و از تابع آستانهگذاري sigmoid براي اليه مياني و اليه خروجي استفاده شد شبكه مورد نظر سه اليه ورودي پنهان و خروجي با 23 ورودي 72 نرون در اليه پنهان يك نرون در اليه خروجي و با توپولوژي 2 72 23 بود دقت دستهبندي تصاوير گياهان سالم از گياهان داراي عالئم موزاييك كه توسط سامانه متحرك در گلخانه تهيه شده بوند با استفاده از شبكه عصبي مورد نظر 112 بود يعني هيچ گياه سالمي به اشتباه بيمار و هيچ گياه بيماري به اشتباه سالم ارزيابي نشدند واژههاي كليدي پردازش تصاوير شبكه عصبي مصنوعي استخراج ويژگي بيماريهاي گياهي لكههاي رنگ پريده
چكيده انگليسي :
229 Detection of Mosaic Symptoms in Cucumber Using Image Processing Mitra Oboodi mitraoboodi@gmail com December 17 2014 Department of Biosystems Engineering College of Agriculture Isfahan University of Technology Isfahan 8415683111 IranDegree M S Language FarsiSupervisors Abbas Hemmat a hemmat@cc iut ac irAbstractPlant diseases have a significant impact in reducing the quantity and quality ofagricultural products Viruses as one of most important plant pathogenic are causingconsiderable damage on crops In cucurbits such as cucumber various viruses that causedisease which is often produce mosaic symptoms on leaves or fruit One of the mostimportant viruses that infected cucurbits is virus infection or mosaic disease by thescientific name of cucumber mosaic virus which is one of the most important plantpathogenic viruses globally and have a broad range of hosts The economic losses of thisdisease in Iran is high and in cucumber fields the yield reduction caused by this diseaseis estimated to be a third The use of insecticides to protect the crop against diseases andpests not only increases the product price but also increases the risk of pesticide residuesin agricultural products Early detection of disease or vector aphids is a key point in themanagement and control of diseases Symptoms of the disease at an early stage arechlorotic spots bright green spots on dark green substrate or vice versa on the leafsurfaces Due to temperature and humidity conditions in greenhouses quick decision tocontrol diseases and vectors is essential in order to prevent the spread of disease ingreenhouses So in this project a mobile system was designed and evaluated for detectingmosaic symptoms in cucumber and squash plants grown in greenhouse using photographyand image processing in visible spectrum First some cucumber and squash plants weregrown under controlled conditions in order to avoid getting infected by other plantdiseases and after inoculation of the plants with the cucumber mosaic virus andemergence of the symptoms the plants were photographed with a camera Canon s110 in natural light using the mobile system in a greenhouse Then for separating the canopyfrom the background soil and other parts of the greenhouse the images were processedby GMR algorithm of MATLAB and 31 color features were extracted from all images Artificial neural network ANN method was used for classification of healthy andinfected plants using the features extracted from the images as input The ANN had threelayers input hidden and output with 31 inputs 27 neurons in the hidden layer oneneuron in the output layer by 2 27 31 topology Seventy percent 15 and 15 of thedata were used for training validation and testing respectively A trainscg function wasused for training and a sigmoid function for the hidden layer and output layerthresholdings The healthy plant images classification accuracy using the depevlopedANN was 100 This means neither infected plants were mistakenly considered ashealthy nor any infected plant were considered as healthy Key words Image processing Artificial neural network Feature extraction Plantdisease Chlorotic spots
استاد مشاور :
احمد ميره اي، اميرمساح
استاد داور :
علي اسحق بيگي، مسعود بهار
