شناسایی برگ ارقام سیب با تکنیک پردازش تصویر و سیستم استنتاج عصبی فازی تطبیقی

در کشاورزی مدرن امروز، از پردازش تصویر برای مکانیزه و جایگزین کردن ماشین های هوشمند به جای انسان استفاده شده است. یکی از آن موارد شناسایی ارقام گوناگون گیاهان است. شناسایی ارقام گوناگون، در برنامه به نژادی گیاهان اهمیت بالایی دارد. روش معمول برای انجام این عمل، بررسی چشمی برگ ها و میوه های گیاهان است که این عمل به دلیل وقت گیربودن مقرون به صرفه نیست. شناسایی نمونه ها و طبقه بندی آن ها با روش ماشین بینایی می تواند سریع تر انجام گردد. در این تحقیق چهار رقم گرانی اسمیت، گلاب کهنز، گالا، و دلبار استیوال مطالعه شدند. در ابتدا نمونه های برگ جمع آوری و از نمونه ها تصویربرداری شد و پس از پردازش تصاویر با الگوریتم نوشته شده در نرم افزار مت لب، ویژگی های مورفولوژیک، رنگ، و بافت برای هر یک از تصاویر محاسبه شد و سپس از سیستم استنتاج عصبی فازی تطبیقی (Adaptive neuro- fuzzy inference system) برای طبقه بندی نمونه ها استفاده شد. نتایج نشان داد که بهترین سیستم استنتاجی با توابع عضویت ورودی و خروجی به ترتیب خطی و مثلثی و روش آموزش مرکب در حالت دسته بندی شبکه ای سیستم استنتاج فازی، بالاترین دقت را داشت و دقت این روش برای داده های طبقه بندی آزمایشی 83/95درصد گزارش شد.