چکیده

بیماری های گیاهی مختلف علاوه بر اینکه از میزان کیفیت و کمیت محصول می کاهند، باعث تخریب واریته نیز می شود. از سوی دیگر یکی از مهمترین چالش های پیش روی تولید محصولات کشاورزی در ایران استفاده ب ی رویه از سموم و آفت کش های شیمیایی می باشد . بیماری های قارچی به عنوان مسئله ای بغرنج درتولید محصولات گلخانه ای بشمار میرود و تشخیص به موقع و زود هنگام بیماری، افزایش احتمال درمان و کاهش هزینه ها و خسارات وارده را در بر دارد. در این مقاله یک روش دقیق برای تشخیص بیماری سفیدک دروغی((Downy mildew خیار گلخانه ای با بکارگیری تکنولوژی ماشین بینایی ارائه شده است. نمونه های گیاه خیار گلخانه ای به منظور انجام این تحقیق در شرایط کنترل شده در گلخانه پرورش داده شدند . سپس سطح برگ ها به عامل بیماری سفیدک دروغی آلوده شدند. عکسبرداری از سطوح برگ های سالم و همچنین برگ های آلوده در زمانهای مختلف در طی پیشرفت بیماری انجام شد . تصاویر تهیه شده به جعبه ابزار پردازش تصویر نرم افزار MATLAB انتقال داده شد. تصاویر در فضاهای رنگی RGB، HSV و YCrCb مورد بررسی قرار گرفتند. پس از عملیات اولیه، مشخص شد که مؤلفه رنگی Cr بهترین نتایج را به دست میدهد . الگوریتم ارائه شده توانست قسمتهای آسیب دیده سطح برگ را با دقت بالایی (<%97) تشخیص دهد. این در حالی بود که میزان خطای الگوریتم کمتر از %۵ به دست آمد.

کلمات کلیدی: خیار گلخانه ای، سفیدک داخلی، ماشین بینایی، پردازش رنگی

مقدمه

خیار (Cucumis sativus) گیاهی یکساله، دو جنسی، یک پایه و دو لپه ای و از اقتصادی ترین گیاهان متعلق به تیره کدوئیان می باشد ]رنجبر و همکاران، .[۱۳۸۷ از بین تولیدات گلخانه ای کشور ایران ، خیار بالاترین سطح زیر کشت را دارا است ]نصوحی، .[۱۳۸۰ از شایع ترین بیماری های قارچی در کشت خیار گلخانه ای بیماری سفیدک داخلی یا سفیدک دروغی ۱ می باشد که عامل آن نوعی قارچ بنام Pseudoperonospora cubensis است ودر صورت آلودگی یک گیاه ، بدلیل شرایط دمایی و رطوبت بالای فضای گلخانه بسرعت منتشر خوا هد شد . این بیماری در سال ۱۸۶۸ درکوبا گزارش گردید .[Chupp et al., 1980[ در ایران ابتدا این بیماری در سال ۱۳۴۲ از روی خیار و خربزه در استانهای گیلان و مازندران و سپس در مزارع جالیز استان اصفهان مشاهده شد ]بهداد،

۱ . Downy mildew

۱

.[۱۳۶۹ علائم سفیدک داخلی ابتدا روی سطوح فوقانی برگ ها به صورت مناطق کوچک زرد روشن تا کدرظاهر می گردد. اگرچه آمار دقیقی از میزان خسارت این بیماری در دست نیست اما آنچه مسلم است میزان خسارت بسته به زمان آلوده شدن گیاه، شرایط محیطی و حساسیت گیاه میزبان از صفر تا %۱۰۰ متغیر است ]رنجبر و همکاران، .[۱۳۸۷ هر چه مبتلا شدن گیاه به بیماری در مراحل اولیه تشخیص داده شود به همان نسبت سموم کمتربا راندمان بیشتر مصرف خواهد شد.

بکار گیری ماشین بینایی ٌ و پردازش تصویر در دهه های اخیر رشد فزاینده ای در زمینه های مختلف یافته است. تشخیص بیماری های گیاهی توسط ماشین بینایی ام کان شناسایی و درمان بیماری در مراحل اولیه آن را فراهم می کند .[Hillnhuetter and Mahlein, 2008]

با توجه به هزینه های بالا و اثرات زیست محیطی زیان آور قارچ کش ها استفاده از یک روش نظارتی دقیق و صرفه جوی کننده در زمان ضروری است Bock et al., 2010; Hillnhuetter and Mahlein, 2008; Steddom et ] .[al., 2005 بررسی امکان استفاده از تکنولوژی پردازش تصویر در کشاورزی در زمینه های مختلفی چون نظارت بر رشد مطلوب محصولات، تخمین زمان رسیدگی محصول، ماشین های وجین علف هرز، آفت کش ها نیز یکی از موضوعات مورد علاقه محققان در سالهای اخیر بوده است Hemming, 2000; Hemming and Rath, 2001; ] .[Chen et al., 2002; Wang et al., 2002; Onyango, 2003 مطالعات نشان می دهد که می توان از تکنیک پردازش تصویر در تشخیص بیماری به طور موفقیت آمیزی استفاده نمود .[El-Hally et al., 2008] مویا ،گرنیتو،اسکلدوا وهمکارانشان [Moya et al., 2005; Granitto et al., 2005; Skaloudova et al., 2006] بترتیب در زمینه های کپک پودری،تشخیص بذور علف های هرز و تخمین خسارت وارده بر برگ ناشی ازکرم های عنکبوتیٍ از تکنولوژی ماشین بینایی استفاده نمودند.

هدف از انجام این تحقیق بررسی توانایی ماشین بینایی وتکنیک پردازش تصویر در تشخیص سطوح آسیب دیده از بیمار ی سفیدک داخلی در برگ های خیار گلخانه ای بود.

مواد و روشها

تصاویر از برگ های خیار گلخانه ای دارای شدت های مختلف آلودگی تهیه شد . جهت اخذ تصاویر رنگی از دوربین دیجیتالCCD مدل Canon IXUS 960IS با وضوح ۵ مگاپیکسل استفاده شد .تصاویر دیجیتال رنگی (RGB) اخذ شده از سطوح برگ (شکل ۱، سمت چپ) جهت انجام عملیات پردازش در جعبه ابزار پردزاش تصویر نرم افزار MATLAB به کامپیوتر انتقال داده شد.

۱ . Machine vision 2 . Spider mites

۲