ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > كشف أمراض الحمضيات باستخدام ال...>الوصف

كشف أمراض الحمضيات باستخدام الشبكة العصبية المضببة

العنوان بلغة أخرى: Detection of Citrus Diseases Using a Fuzzy Neural Network
المصدر: مجلة التربية والعلم
الناشر: جامعة الموصل - كلية التربية
المؤلف الرئيسي: طاهر، هدى سعد (مؤلف)
مؤلفين آخرين: خليل، بيداء إبراهيم (م. مشارك)
المجلد/العدد: مج30, ع5
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2021
الصفحات: 125 - 135
DOI: 10.33899/edusj.2021.130928.1179
ISSN: 1812-125X
رقم MD: 1203667
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EduSearch
مواضيع:
علم الرياضيات | علوم الحاسوب | أمراض الحمضيات | الشبكة العصبية المضببة | الذكاء الإصطناعي
كلمات المؤلف المفتاحية:
استخلاص الميزات | الشبكات العصبية الاصطناعية | المنطق المضبب | شبكة دالة القاعدة الشعاعية | شبكة دالة القاعدة الشعاعية المضببة | ميزات النسيج | Artificial Neural Networks | FRBF | Feature Extraction | Fuzzy C-Means | Texture Feature | RBF
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: يهدف البحث إلى استخدام تقنيات الذكاء الاصطناعي لبناء نظام تمييز صور نباتات الحمضيات وإنتاج برنامج متكامل يعد أداة مساعدة لذوي الاختصاص في مجال وقاية النباتات وذلك لتحديد هل هناك إصابة بالمرض وللكشف المبكر عنه لغرض اتخاذ الإجراءات الوقائية اللازمة والحد من انتشاره لبقية النباتات. في هذا البحث، استخدمت شبكة دالة القاعدة الشعاعية (RBF) وشبكة دالة القاعدة الشعاعية المضببة (FRBF) وتطبيقها على مجموعة صور بعدد 830 صورة للكشف ما إذا كانت ثمار الحمضيات صحية أم مريضة. في البداية، تمت المعالجة الأولية لهذه الصور وتحجيمها إلى صور بحجم 250× 250 بيكسل واستخلاص الميزات منها باستخدام طريقة مصفوفة التواجد المشترك (GLCM) بعد تحديد المستوى الرمادي بعدد 8 تدرجات وبمسافة بيكسل واحد، وتم استخلاص 21 ميزة إحصائية منها ثم تم إدخال هذه الميزات إلى RBF بعد تحديد عدد خلايا طبقة الإدخال بـ(21) والطبقة المخبئة بـ (20) خلية وخلية واحدة للإخراج وتم اختيار المراكز بصورة عشوائية من بيانات التدريب وتم اختيار الأوزان بصورة عشوائية أيضاً وتدريبها باستخدام طريقة Pseudo Inverse. تم تهجين شبكة RBF بالمنطق المضبب والمتمثل بطريقة (FCM) وتم اختيار معامل التضبب 2.3 = (m) وتم الحصول على شبكة جديدة سميت بشبكة Fuzzy RBF. حيث تم تدريب واختبار هاتين الشبكتين على بيانات التدريب (660 صورة) والاختبار (170 صورة) لثمار الحمضيات. ثم تم حساب الدقة، وأظهرت النتائج أن الطريقة الجديدة المقترحة (Fuzzy RBF) حصلت على دقة أعلى وهي 98.24% مقارنة مع RBF التي كانت نسبتها 94.71 %.

The objective is to use AI techniques to build a citrus image recognition system and to produce an integrated program that will assist plant protection professionals in determining whether the disease is infected and early detection for the purpose of taking the necessary preventive measures and reducing its spread to other plants. In this research, the RBF and FRBF networks were used and applied to 830 images, to detect whether citrus fruits were healthy or ill. At first, the preprocessing of these images was done, and they were reduced to 250 x 250 pixels, and the features were extracted from them using the co-occurrence matrix method (GLCM) after setting the gray level at 8 gradients and 1 pixel distance, 21 statistical features were derived, and then these features were introduced to RBF after determine the number of input layer nodes by 21, 20 for the hidden layer and 1 node for output layer, the centers were randomly selected from the training data and the weights were also randomly selected and trained using the Pseudo Inverse method. The RBF network was hybridized with the fuzzy logic using the FCM method, the fuzziness parameter = 2.3 was selected, and a new network called FRBF was acquired. These networks were trained and tested in training data (660 images) and testing (170 images) for citrus fruits. The detection rate was then calculated, and the results showed that the (FRBF) had a higher accuracy of 98.24% compared to RBF of 94.71%.
ISSN: 1812-125X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.