بخشی از مقاله
چکیده
این پژوهش با هدف بررسی امکان شناسایی بذر علف های هرز مهم منطقه مشهد با استفاده از فنون پردازش تصویر انجام شد که در آن 49 گونه از علفهای هرز مهم و بذر آنان از مزارع، باغات و مراتع مناطق اطراف مشهد جمع آوری، و پس از دستیابی به یک سامانه تصویربرداری مناسب و ساخت جعبهی اختصاصی تصویربرداری، اقدام به تهیه تصویر از بذرهای گونه های منتخب شد به طوری که در هر گونه 23 تصویر از 23 بذر آن گرفته شد تا در مجموع 1127 تصویر به دست آمد. پس از انجام مراحل پیش پردازش بر روی تصاویر، 26 ویژگی رنگی، 9 ویژگی شکلی و 14 ویژگی بافتی از هر تصویر استخراج شد.
مدلی بر اساس روش رگرسیون لجستیک چند جملهای برای شناسایی بذرها استفاده شد که با استفاده از آزمون فریدمن ویژگیها رتبه بندی و برای ورود به مدل مرتب شدند. تحلیل دادههای استخراج شده نشان داد که کارایی ویژگیهای رنگی و شکلی تقریبا برابر بوده ولی ویژگیهای بافتی کارایی کمتری داشتند، بهطوری که میانگین شناسایی صحیح توسط ویژگیهای رنگی به تنهایی 19/91 درصد، ویژگیهای شکلی 19/21 درصد و ویژگیهای بافتی 15/3 درصد بود. دقت مدل برازش یافته با استفاده از تمامی ویژگیها، 84/4 درصد بود یعنی قادر بود بذرهای مورد مطالعه را با احتمال 84/4 درصد به درستی شناسایی کند. شناسایی بذرها تا به این حد به ما این نوید را داد که در آینده میتوانیم شاهد عملکرد قابل قبول این سامانهها در شناسایی بذرها در سطح وسیع باشیم.
مقدمه
شناسایی بذرها کاربردهای فراوانی در تحقیقات و صنایع کشاورزی دارد. شناسایی بذرها را می توان اولین گام در مسیر اجرای یک برنامهی کنترل علف های هرز دانست، - راشد محصل و همکاران،. - 1374 آگاهی از فراوانی و ترکیب بذرها در بانک بذر خاک برای شناسایی پویایی جمعیت علف هرز و همچنین برای پیش بینی جمعیت آنان در آینده بسیار سودمند و با اهمیت است. از طرف دیگر شناسایی بذر یکی از مراحل مهم در تعیین خلوص توده های بذر و صدور گواهی برای آنان است که قبل از رسیدن بذرها به دست ک شاورزان تو سط مو س سات م سئول اجرا می شود . - Granitto et al., 2002 - ویژگی های مورفولوژیک بذر به علت پایداری در بسیاری از گونههای گیاهی، ابزار قابل اعتمادی برای پژوهش های تاک سونومیک و نیز شنا سایی ارقام مختلف گیاهی به شمار می آیند .
- Anvarkhah et al.,2013 - شنا سایی بذرها تو سط افراد متخ صص انجام می شود بهطوری که آ شنایی با ا صطالحات و مفاهیم تخصصی و دسترسی به کلید های بذر شناسی آن منطقه الزم می باشد. همچنین بهدلیل وجود تفاوت در بین فلور علفهای هرز در مناطق و اقلیمهای مختلف و نیز بهدلیل تفاوت در مورفولوژی گیاه و بذر در اقلیمها و خاکهای گوناگون، داشتن یک بینش قبلی از گیاهان هرز موجود در منطقه الزم بهنظر می رسد .
- Dilorite, 1970 - خسددارات ناشددی از علفهای هرز از آفات وامراض بیشتر است، بهطوریکه در کشورهای توسعه یافتهی مناطق معتدل میزان این خسارت بین 10 تا 15 درصد کل محصول تخمین زده شده است - راشد محصل و همکاران، . - 1379 محققی خسارات علف های هرز را به 9 گروه دسته بندی کرد : - 1 - خسارات ناشی از رقابت آنها با گیاهان زراعی - 2 - افزایش هزینهی تولید - 3 - کاهش کیفیت محصوالت گیاهان زراعی و دام ها - 4 - افزایش هزینهی فرآوری محصوالت - 5 - اختالل در مدیریت آبیاری - 6 - تهدید سالمت انسان - 7 - کاهش گزینه های تناوبی - 8 - کاهش ارزش زمین - 9 - کاهش زیبایی محیط . - Zimdahl, 1999 - بنابر بر موارد ذکر شده میتوان کار شناسایی بذرها را یک وظیفهی دشوار دانست که انجام آن نیاز به افراد متخ صص دارد لذا اقدام در جهت د ستیابی به یک سامانهی خودکار شنا سایی بذرها میتواند مفید با شد.
بینایی ماشددین رهیافتی نوین اسددت که بر مبنای دید رایانه و بر پایهی تصددمیم گیری آن بنا شددده اسددت. اکنون کاربردهای بنیایی ماشین در مراحل کاشت تا برداشت محصوالت و صنایع وابسته به کشاورزی بهطور فزاینده ای رو به رشد است. کاربرد هایی مانند هرس درختان، تشخیص میوه رسیده، تشخیص علف های هرز، کنترل کیفی محصوالت، از نمونه های بکار گیری این تکنیک در کشاورزی می باشند.
در زمینهی کاربرد پردازش تصاویر در علوم و صنایع بذر مطالعات متنوعی انجام شده است که بهعنوان نمونه میتوان به موارد زیر ا شاره کرد: ارائه سامانهی خودکار ارزیابی قدرت بذر با ا ستفاده از گیاهچههای حا صل از ا سکنر تخت 2001 - - McDonald and Sako,، شنا سایی ارقام عدس از روی بذرها - Tellaecho et al.,2008 - ، سامانهی خودکار ارزیابی بنیهی بذر - Haffmaster et al., 2003 - ، تفکیک بین گندم و اجزاء غیر گندم در یک نمونهی بذر . - Visen et al., 2004 - بنابراین میتوان انجام شناسایی بذرها را توسط یک سامانه بر مبنای بینایی ماشینی محتمل دانست بهطوریکه یک سامانهی شناسایی بذر را پیش بینی کرد که پس از تهیهی تصاویر از یک بذر ناشناخته، خصوصیات ریختی آن بوسیله الگوریتمهای پردازش تصویر استخراج و توسدط الگوریتم های تصدمیم گیرنده تحلیل شدوند و سدرس بر پایهی داده های بذرهایی که الگوریتم از پیش با آنان آموزش دیده است خصوصیات بذر ناشناخته را به محتمل ترین بذر ارجاع داده و آنرا شناسایی کند.
مطالعات خارجی که به این مقوله پرداخته اند اغلب بر روی شناسایی بذرارقام مختلف - Shahin and Symomz, 2003; Pourreza et al., 2012 - و ت شخیص بذرهای گونههای زراعی از یکدیگر - Paliwal - et al., 2003 تمرکز دا شتند و مطالعاتی که بر روی شنا سایی تعداد زیادی از بذرهای علف هرز با ا ستفاده از پردازش انجام شده 2 است، شامل دو مطالعه میباشند - Granitto et al., 2004 ; Granitto et al., 2002 - شناسایی معمول بذرها حتی توسط افراد با تجربه و آموزش دیده به دلیل ارقام زیاد معرفی شده، م شکل وگاهی غیر ممکن ا ست، این روش وقت گیر بوده و برای م شاهده و شناسایی نمونهها زمان زیادی الزم است . - Chtioui et al., 1996 - لذا این مطالعه با هدف بررسی امکان شناسایی بذر علفهای هرز مهم منطقهی مشددهد با اسددتفاده از روشهای پردازش تصددویر و با هدف تعیین بهترین ویژگیها و اینکه در بین ویژگیهای مختلف کدام گروه در شناسایی بذرها موثرترند انجام شد.
مواد و روشها
تهیهی مواد گیاهی
در آغاز این تحقیق 49 گونه از علفهای هرز مهم منطقهی مشهد جمعآوری و پس از خشککردن، نمونهها بر روی کاغذهای گالسهی ضخیم چسبانده شدند. سرس به منظور تعیین نامهای علمی، نمونه ها به پژوهشکده علوم گیاهی دانشگاه فردوسی مشهد ارائه شدند. هم زمان با رسیدگی کامل بذرهای هر گونه اقدام به جمعآوری آن شد و پس از جداسازی بقایای گل و میوه، بذرهای خالص حاصل شدند.
تهیهی تصاویر:
به منظور دستیابی به تصاویر مناسب از بذرها، چند سامانهی تصویربرداری مورد آزمون قرار گرفت که در نهایت از استرئو میکروسکوپ OLYMPUS مدل SHZ10 متصل به دوربین تصویربرداری OLYMPUS مدل - Olympus, Japan - DP71 استفاده شد. که به منظور رفع نقایص سامانهی نورپردازی آن اقدام به طراحی و ساخت جعبهی تصویربرداری و نورپردازی مختص این دستگاه شد. نورپردازی در این جعبه به وسیلهی 120 المپ 50 - SMD المپ زرد ، 70 المپ سفید - کوچک که بصورت نواری بر سطح داخلی جعبه نصب شدند انجام شد. تصویر این سامانه به همراه جعبهی تصویربرداری ساخته شده در شکل 1 ارائه شده است. در شکل 1 نشان داده شده است. به منظور افزایش دقت شناسایی و وجود یک تکرار مناسب از دادهها، از بذرهای هر گونه، 23 تصویر از 23 بذر تهیه و در نهایت مجموعهی تصاویر مشتمل بر 1127 تصویر متعلق به 1127 بذر از 49 گونه تهیه شد.
