کاهش خطا در تشخیص بیماری گیاهان به کمک پردازش تصویر و هوش مصنوعی فازی

یک سیستم بینایی ماشین برای تشخیص بیماری‌ های گیاهی یا جداسازی میوه ‌های عیب دار از بدون عیب، جهت کارکرد صحیح، دقیق و با سرعت، نیازمند پارامترهای متعددی است، لذا بایستی این پارامترها به بهترین وجه انتخاب شوند. این پارامتر ها شامل دقت نمونه ‌برداری بر اساس شرایط نور، سرعت، فاصله و زاویه نمونه‌ برداری است. این پژوهش باهدف مدل‌سازی بیماری‌ ها به ‌منظور مدل‌سازی سیستم تشخیص از سامانه استنتاج عصبی فازی تطبیقی استفاده گردیده است نتایج نشان می‏ دهد که می‏توان شبکه عصبی فازی با استفاده از الگوریتم کلاسیک ترکیبی را آموزش داد به‌ نحوی‌که خطا برای داده ‏های آموزش کاهش یابد.