حسین باقرپور

محصول سیب‌زمینی از جمله محصولات مهم و استراتژیک کشور است که به دلیل داشتن سطح گسترده کشت، ‌سالانه حجم خیلی زیادی سم برای مبارزه با بیماری‌ها و آفات مصرف می‌گردد. از طرفی هرگونه خطا در تجویز سم یا عدم شناسایی مناسب آن می‌تواند خسارات اقتصادی جبران‌ناپذیری برای کشاورزان به دنبال داشته باشد. با شناسایی اولیه بیماری از روی برگ سیب‌زمینی و انجام اقدامات مربوط به آن می‌توان از خسارت و از بین رفتن محصول در مراحل بعدی رشد جلوگیری کرد. به دلیل تنوع در انواع بیماری‌های برگی و شبیه بودن علایم ظاهری خیلی از آنها، تشخیص صحیح بیماری‌ها بخصوص توسط کارشناسان مبتدی همراه با خطا است. از طرفی کمبود نیروهای متخصص ماهر و بکارگیری کارشناسان خبره برای کشاورزان مقرون به صرفه نیست. لذا بکارگیری روشی که بتواند با دقت بالایی تشخیص بیماری را برای این محصول انجام دهد، می‌تواند تاثیر زیادی بر کاهش هزینه‌ها و افزایش تولید داشته باشد. استفاده از تکنیک‌های بینایی ماشین روش مناسبی برای تحقق این ایده است. در این تحقیق تصاویر سه نوع برگ سیب‌زمینی (سالم، قبل از سوختگی و بعد از سوختگی) از منبع plantvillage به منظور شناسایی مورد استفاده قرار گرفته است. تعداد کل تصاویر مورد استفاده از هر سه نوع برگ به 450 عدد ‌رسید، بعد از حذف پس‌زمینه تصاویر، ویژگی‌های بافتی با استفاده از ماتریس GLCM و ویژگی‎های آماری از هیستوگرام تصاویر در هر چهار فضای رنگی به دست آمد. برای ارزیابی از دو کلاسبندSVM و KNN استفاده شد بیشترین دقت در شناسایی برگ‌ها مربوط به کلاسبندSVM با 1/92 درصد بدست آمد.