شناسایی آفت‌های پروانه برگ‌خوار و پسیل برگ پسته با استفاده از تکنیک پردازش تصویر و شبکه‌های عصبی مصنوعی

در این پژوهش با استفاده از تکنیک‌های پردازش تصویر و شبکه‌های عصبی مصنوعی، آفت‌های پروانه برگ‌خوار و پسیل برگ پسته شناسایی شد. بدین‌منظور، تصاویر دیجیتالی از برگ‌های آفت‌زده درخت پسته رقم اوحدی تهیه و ویژگی‌های رنگ، بافت، مورفولوژیکی و ترکیبی (بافت- رنگ) از تصاویر استخراج شد و در تشخیص و طبقه‌بندی آفت‌ها استفاده گردید. برای دست‌یابی به بهترین مدل، حالت‌های مختلف شبکه‌های عصبی مصنوعی و ویژگی‌های مختلف استخراج‌شده از تصاویر، مورد ارزیابی قرار گرفت که بهترین حالت‌ها عبارت بودند از: الف) با استفاده از شش ویژگی رنگی (واریانس، میانه، انحراف معیار، فشردگی، کشیدگی و صافی)، شبکه پس انتشار با تابع انتقال لگاریتم سیگموئید با دو لایه پنهان و لایه خروجی با تابع انتقال تانژانت سیگموئید با دقت 93/3%؛ ب) با استفاده از پنج ویژگی بافتی (آنتروپی، کنتراست، همبستگی، انرژی و همگنی)، شبکه پس انتشار با تابع انتقال تانژانت سیگموئید با دو لایه پنهان و لایه خروجی با تابع خطی با دقت 95%؛ و ج) با استفاده از پنج ویژگی مورفولوژیکی (سطح، محیط، سطح چند‌‌ضلعی محیطی، وسعت، استحکام) و 11 ویژگی ترکیبی (6 ویژگی رنگی و 5 ویژگی بافتی) با شبکه پس انتشار، با تعداد دو لایه پنهان و تابع انتقال تانژانت سیگموئید و لایه خروجی خطی به‌ترتیب با دقت 86/7% و 98/3%. نتایج این پژوهش نشان داد که تکنیک پردازش تصویر و شبکه‌های عصبی مصنوعی، توانایی تشخیص و طبقه‌بندی آفت‌های برگ پسته را با دقت بسیار خوبی دارد.