مقاله تشخیص بیماری لکه موجی در گوجه فرنگی با استفاده از ماشین بینایی جهت اعمال سمپاشی نقطه ای

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله تشخیص بیماری لکه موجی در گوجه فرنگی با استفاده از ماشین بینایی جهت اعمال سمپاشی نقطه ای دارای ۱۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله تشخیص بیماری لکه موجی در گوجه فرنگی با استفاده از ماشین بینایی جهت اعمال سمپاشی نقطه ای  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله تشخیص بیماری لکه موجی در گوجه فرنگی با استفاده از ماشین بینایی جهت اعمال سمپاشی نقطه ای،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله تشخیص بیماری لکه موجی در گوجه فرنگی با استفاده از ماشین بینایی جهت اعمال سمپاشی نقطه ای :

تعداد صفحات:۱۶
چکیده:
در سراسر جهان، بیماریها و آفات گیاهی باعث کاهش محصولات کشاورزی به میزان قابل توجهی می شوند و استفاده از مواد شیمیایی جهت مبارزه با آنها ضروری به نظر میرسد. این سموم نه تنها روی سطح محصولات باقی می مانند بلکه به داخل بافت آنها نفوذ کرده و سبب مشکلاتی برای سلامتی مصرف کنندگان می شوند. تشخیص زود هنگام علائم بیماری و آفات و استفاده از سمپاشی نقطه ای می تواند به رفع این مشکل کمک کند. از طرفی گوجه فرنگی از جمله سبزیجات پر مصرف در جهان و ایران می باشدکه هر ساله خسارتهای قابل توجهی ناشی از بیماری لکه موجی به این محصول وارد می شود. در این مقاله تلاش گردید با استفاده از روشهای پردازش تصویر در ماشین بینایی، علائم این بیماری در گوجه فرنگی تشخیص داده و الگوریتمی به این منظور ارائه شود. برای انجام این کار مولفه های سبز (G)، قرمز (R) و آبی (B) تصاویر استخراج و از تصویر آبی برای محاسبه مساحت سطح برگ و محصول گوجه فرنگی استفاده گردید. همچنین تغییرات به وجود آمده در رنگ سبز بافته ای آلوده در برگ ها و تغییرات به وجود آمده در رنگ قرمز بافته ای آلوده در محصول گوجه فرنگی معیار جداسازی قسمت های سالم از آسیب دیده بود. الگوریتم به نحوی نوشته شده است که علاوه بر تشخیص نقاط آلوده، درصد آلودگی برگ و میوه را به صورت درصدی از سطح کل نیز بیان می نماید. نتایج به دست آمده از این الگوریتم نشان داد که الگوریتم مورد نظر دارای کارایی مناسبی است، به طوری در همه نمونه های مورد پردازش نقاط آلوده به درستی تشخیص داده شد.