تشخیص بیماری فوزاریوم گوجه فرنگی با استفاده از پردازش تصویر و ارائه راهکارهای درمانی مبتنی بر شرایط خاک [پايان نامه فارسي]
محمد سرمست
| شناسگر رکورد: | ۵۲۳۵۰ |
| رشته تحصیلی: | هوش مصنوعی و رباتیکز |
| عنوان: | تشخیص بیماری فوزاریوم گوجه فرنگی با استفاده از پردازش تصویر و ارائه راهکارهای درمانی مبتنی بر شرایط خاک |
| نويسنده: | محمد سرمست |
| استاد راهنما : | دکتر احسان اخترکاوان دکتر بابک مجیدی |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۴۰۴ |
| چکیده: | بیماری فوزاریوم گوجهفرنگی، ناشی از قارچ Fusarium oxysporum، یکی از عوامل اصلی کاهش عملکرد در کشاورزی مدرن است که نیازمند رویکردهای پیشرفته برای تشخیص و مدیریت است. این پژوهش با هدف طراحی و پیاده سازی یک سیستم هوشمند مبتنی بر یادگیری عمیق برای شناسایی این پاتوژن و ارائه راهبردهای درمانی بهینه توسعه یافت. در این مطالعه، یک شبکه عصبی کانولوشنی (CNN) با معماری دو ورودی پیشنهاد شد که دادههای تصویری را در فضاهای رنگی RGB و HSV بهصورت همزمان تحلیل میکند. این شبکه از بلوکهای چند مقیاسی با فیلترهای متغیر (۳×۳، ۵×۵ و ۷×۷) برای استخراج ویژگیهای سلسله مراتبی و مکانیزم توجه کاناله با کاهش ابعادی (reduction ratio=۱۶) برای تقویت ویژگیهای برجسته استفاده میکند. جداسازی برگها از پسزمینه نیز با الگوریتمی مبتنی بر پردازش تصویر در فضای HSV انجام شد که از عملیات مورفولوژیکی و آستانهگذاری دینامیک بهره میبرد. برای تکمیل تحلیل، دادههای خاک شامل pH، درصد رس، سیلت و ماسه از طریق رابط برنامهنویسی SoilGrids استخراج شده و با یک سیستم توصیهگر پیشرفته مبتنی بر امتیازدهی تلفیق گردید. این سیستم عوامل خطر(مانند شدت بیماری، pH نامناسب، شوری بالا، بافت خاک و حضور نماتد) را ارزیابی کرده، سطح ریسک کلی را تعیین میکند و درمانهای مناسب (شیمیایی یا بیولوژیک) را بر اساس اولویت پیشنهاد میدهد. ارزیابیها نشان داد که این مدل با دقت بیش از ۹۹ درصد در مجموعه داده اعتبارسنجی، توانایی بالایی در طبقهبندی باینری (سالم/بیمار) دارد. نوآوری این تحقیق در همافزایی پردازش تصویر پیشرفته، معماری دو ورودی یادگیری عمیق و تحلیل اکوسیستمی خاک است که رویکردی چندوجهی و پیشگامانه را برای مدیریت بیماریهای گیاهی ارائه میدهد. این سیستم نه تنها تشخیص دقیق و سریع فوزاریوم را ممکن میسازد، بلکه با ارائه راهکارهای محیط محور، به ارتقای کشاورزی دقیق و پایدار کمک میکند. نتایج این پژوهش میتواند مبنایی برای توسعه سامانههای مشابه در پاتولوژی گیاهی فراهم آورد. |
| واژگان کلیدی: | فوزاریوم گوجه فرنگی، شبکه عصبی کانولوشنی، استخراج ویژگی چند مقیاسی، توجه کاناله، کشاورزی دقیق |
| شماره ثبت | جزء | نسخه | جلد | بخش | قسمت | مرجع | شماره بازیابی | در دست امانت | تاریخ بازگشت | ملاحظات | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 284911 | 1 |
جهت مشاهده فایل دیجیتال با حساب کاربریتان وارد شوید
جهت ثبت نظر با حساب کاربری تان وارد شوید