ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Detect Plant Diseases Using Image Processing

العنوان بلغة أخرى: اكتشاف امراض النباتات باستخدام معالجة الصور
المؤلف الرئيسي: العبيسات، مني صالح (مؤلف)
مؤلفين آخرين: العبادي، محمد علي حسين (مشرف)
التاريخ الميلادي: 2018
موقع: مؤتة
الصفحات: 1 - 34
رقم MD: 1014680
نوع المحتوى: رسائل جامعية
اللغة: الإنجليزية
الدرجة العلمية: رسالة ماجستير
الجامعة: جامعة مؤتة
الكلية: كلية الدراسات العليا
الدولة: الاردن
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

21

حفظ في:
LEADER 03904nam a22003257a 4500
001 1512925
041 |a eng 
100 |9 548818  |a العبيسات، مني صالح  |e مؤلف 
245 |a Detect Plant Diseases Using Image Processing 
246 |a اكتشاف امراض النباتات باستخدام معالجة الصور 
260 |a مؤتة  |c 2018 
300 |a 1 - 34 
336 |a رسائل جامعية 
502 |b رسالة ماجستير  |c جامعة مؤتة  |f كلية الدراسات العليا  |g الاردن  |o 0009 
520 |a هناك تزايد في المساحات الزراعية وتطور الطرق الزراعية، كان من المهم دراسة الأمراض التي تؤثر سلبا على كمية ونوعية المحاصيل الزراعية وهو المصدر الرئيسي للغذاء البشري، وتجدر الإشارة أن التطورات التكنولوجية ساعدت في تصنيع أدوات تصوير حديثة، وتكون بأسعار معقولة في جميع أنحاء العالم، وساهم تطور البحث العلمي في ظهور ما يسمى رؤية الكمبيوتر وساعدت هذه التكنولوجيا على تشخيص الأمراض. وفي هذه الرسالة قدمنا نموذج لتحديد أمراض أوراق النبات من خلال استخدام مجموع الطرق الإحصائية لاستخراج السمات، وتعتمد طريقتنا على استغلال المدى من نماذج الفضاء اللوني. حيث تم العمل على أربع من أكثر قنوات الألوان شيوعا وهي (RGB, YCBCR, HSV and HIQ). وهذا النموذج القائم على استخدام ثلاث من أكثر الفلاتر شيوعا وهي (Histogram Median and mean Equalization) لتحديد الأمراض على أوراق النباتات، ثم تحديد الأجزاء الداخلية للصورة وتقسيمها إلى مجموعات حسب التنوع في الخصائص اللونية ومن ثم طبقنا DWT.‏ تم استخدام (matlab) لتنفيذ البرنامج المقترح، واعتمدنا على قاعدة البيانات (Planetvillage) وعملنا على 1900 صورة من قاعدة البيانات، ومقسمة كالتالي 1300 صورة لنباتات مصابة و600 صورة لنباتات غير مصابة. لتقييم أداء النموذج المقترح تم استخدام مصفوفة (confusion matrix) والتي تتكون من: (true negative (TN), true positive (TP), false negative (FN) and false positive (FP)) واستنادا على هذا تم احتساب دقة النظام بناء على (accuracy, F-score, recall and precision) حقق Ycbcr_HSV_YIQ‏ أفضل النتائج حيث كانت (Accuracy (100), Sensitivity (96) Specificity (96) and F-score (98.13084112)) في حين حقق نموذج اللون Ycbcr_HSV_YIQ‏ أفضل النتائج بالنسبة ل (F measures) 
653 |a تكنولوجيا المعلومات  |a معالجة الصور  |a قواعد البيانات  |a أمراض النباتات 
700 |a العبادي، محمد علي حسين  |g Abbadi, Mohammed Ali  |e مشرف  |9 511089 
856 |u 9802-008-020-0009-T.pdf  |y صفحة العنوان 
856 |u 9802-008-020-0009-A.pdf  |y المستخلص 
856 |u 9802-008-020-0009-C.pdf  |y قائمة المحتويات 
856 |u 9802-008-020-0009-F.pdf  |y 24 صفحة الأولى 
856 |u 9802-008-020-0009-1.pdf  |y 1 الفصل 
856 |u 9802-008-020-0009-2.pdf  |y 2 الفصل 
856 |u 9802-008-020-0009-3.pdf  |y 3 الفصل 
856 |u 9802-008-020-0009-4.pdf  |y 4 الفصل 
856 |u 9802-008-020-0009-O.pdf  |y الخاتمة 
856 |u 9802-008-020-0009-R.pdf  |y المصادر والمراجع 
930 |d y 
995 |a Dissertations 
999 |c 1014680  |d 1014680 

عناصر مشابهة