تعیین تعداد گیاه؜چه‌های چغندرقند با به‏کارگیری روش پردازش تصویر

درصد سبزشدن ارقام و هیبریدهای مختلف چغندرقند در مزرعه به عنوان یک ویژگی برتر رقم اصلاح شده برای به‌نژادگر اهمیت ویژ‌ه‌ای دارد. هدف از اجرای این تحقیق، ارائه یک روش مبتنی بر پردازش تصویر برای شمارش سریع و دقیق گیاهچه‌های سبزشده ارقام مختلف چغندرقند در مزرعه بود. تصاویر با استفاده از یک دوربین دیجیتال و از یک ارتفاع ثابت، در خرداد ماه سال 1396 در ایستگاه تحقیقات کشاورزی زرقان تهیه و به محیط نرم افزار (matlab) منتقل شد. با استفاده از تکنیک‌های پردازش تصویر و توابع موجود در نرم افزار، الگوریتم شمارش و تعیین تعداد گیاهچه‌های چغندرقند در یک طول ثابت، کدنویسی و ارائه شد. الگوریتم ارائه شده، مربوط به حالت‌هایی بود که برگ گیاهچه‌های چغندرقند از یکدیگر فاصله داشته و یا فقط با یکدیگر تماس داشتند. دقت الگوریتم 90/32 درصد و مدت زمان اجرای آن حدود 1/67 ثانیه بود. تعداد واقعی گیاهچه‌ها و تعداد مشاهده شده توسط الگوریتم، با استفاده از آزمون مقایسه‌ای (tstudent) زوجی از نظر آماری مورد بررسی قرار گرفت و مشخص شد که بین آنها تفاوت معنی‌داری در سطح احتمال پنج درصد وجود ندارد. همچنین ارقام مختلف چغندرقند در اجرای الگوریتم و دقت آن تاثیری نداشت. نتایج نشان داد که می‌توان به جای شمارش چشمی تعداد گیاهچه‌ها، با تصویربرداری و بکارگیری الگوریتم این عمل را با دقت بیش از 90 درصد برای دو حالت فوق انجام داد.

Determining the number of sugar beet seedling using image processing method

The germination percentage of different sugar beet cultivars and hybrids in the field is of special importance for the breeder as a superior feature of the improved cultivar. The aim of this study was to provide an image processingbased method for rapid and accurate counting of seedling number of various sugar beet cultivars in the field. The images were taken using a digital camera from a fixed height and transferred to the Matlab software environment in May 2017 at Zarghan Agricultural Research Station. Using image processing techniques and functions in the software, the algorithm for counting and determining the number of sugar beet seedling in a fixed length was coded and presented. The proposed algorithm was related to situations in which the leaves of sugar beet seedling were far from each other or only in contact with each other. The accuracy of the algorithm was 90.32% and its execution time was about 1.67 seconds. The actual number of seedlings and the number observed by the algorithm were statistically analyzed by paired tstudent test and it was found no significant difference between them (P<0.05). Also, different sugar beet cultivars had no effect on the implementation of the algorithm and its accuracy. The results showed that instead of visually counting the number of seedlings, this procedure can be done with more than 90% accuracy for the above two conditions by imaging and using the algorithm.