تخمین مقدار آهن برگ سیب با استفاده از مدل مبتنی بر شبکه عصبی و پردازش تصویر | ||
| تحقیقات آب و خاک ایران | ||
| دوره 57، شماره 3، خرداد 1405، صفحه 751-766 اصل مقاله (1.4 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2026.397919.669970 | ||
| نویسندگان | ||
| حجت صادقی؛ ابراهیم سپهر* ؛ آیدین ایمانی | ||
| گروه علوم خاک، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران | ||
| چکیده | ||
| کمبود آهن به عنوان یکی از شایعترین مشکلات تغذیهای گیاهان باغی واقع در خاکهای آهکی است. تشخیص سریع کمبود آهن با استفاده از پردازش تصویر و یادگیری ماشین میتواند به عنوان یک روش ارزان به رفع این مشکل کمک کند. از این رو برای بررسی ارتباط بین کمبود آهن و ویژگیهای رنگ برگ، یک پایگاه داده شامل 1575 تصویر برگ سیب با سطوح مختلف کمبود آهن (شدید، متوسط، کم و بدون کمبود) جمعآوری گردید. تصویربرداری با استفاده از دوربین گوشی هوشمند انجام گرفت و مقادیر آهن فعال و کل هر نمونه با دستگاه جذب اتمی اندازهگیری گردید. ویژگیهای رنگی از فضاهای رنگی RGB، Lab، HSV و NTSC به همراه ۸ شاخص رنگی ترکیبی استخراج شد. مدلسازی با دو رویکرد رگرسیون خطی و شبکه عصبی مصنوعی انجام گرفت. نتایج مدل خطی نشان داد مدل خطی قادر به پیشبینی آهن فعال با ضریب تعیین R2 = 0.74 است، اما با آهن کل همبستگی نشان نداد. مدل شبکه عصبی با دقت R2 = 0.80 و مقادیر خطای RMSE = 1.156 و MAPE=25.03 عملکرد بهتری نسبت به مدل خطی داشت. در نتیجه، مدل شبکه عصبی با استفاده از ویژگیهای رنگی برگ میتواند به عنوان روش سریع و غیر مخرب در تشخیص کمبود آهن و تخمین میزان آهن برگ سیب مورد استفاده قرار بگیرد. | ||
| کلیدواژهها | ||
| برگ سیب؛ یادگیری ماشین؛ آهن فعال؛ پردازش تصویر | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 186 تعداد دریافت فایل اصل مقاله: 147 |
||