Abstract
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%.
Highlights
الملخص يهدف البحث إلى استخدام تقنيات الذكاء الاصطناعي لبناء نظام تمييز صور نباتات الحمضيات وانتاج برنامج متكامل يعد أداة مساعدة لذوي الاختصاص في مجال وقاية النباتات وذلك لتحديد هل هناك اصابة بالمرض وللكشف المبكر عنه لغرض اتخاذ الإج ارءات
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%
الاستنتاج.8 . لإستخلاص مي ازت النسيج للصور وذلك لتسهيل التعامل مع الصور وكشفها بصورة دقيقةGLCM تم في هذا البحث استخدام واستخدمنا الشبكات العصبية الاصطناعية والمتمثلة بشبكة دالة القاعدة الشعاعية التقليدية وكذلك استخدام الطريقة المقترحة الجديدة والتي تم.تم الحصول عليها من دمج خوارزمية شبكة دالة القاعدة الشعاعية بالمنطق المضبب والتي سميت بدالة القاعدة الشعاعية المضببة واعطت شبكة دالة القاعدة الشعاعية المضببة.استخدام هذه التقنيات للتعرف والكشف عما اذا كانت ثمار الحمضيات مريضة ام سليمة .نتائج دقيقة ونسبة كشف الثمار السليمة و ير السليمة عالية مقارنة بنسبة الكشف لشبكة دالة القاعدة الشعاعية التقليدية والاعمال السابقة
Summary
الملخص يهدف البحث إلى استخدام تقنيات الذكاء الاصطناعي لبناء نظام تمييز صور نباتات الحمضيات وانتاج برنامج متكامل يعد أداة مساعدة لذوي الاختصاص في مجال وقاية النباتات وذلك لتحديد هل هناك اصابة بالمرض وللكشف المبكر عنه لغرض اتخاذ الإج ارءات. الوقائية اللازمة والحد من انتشاره لبقية النباتات .في هذا البحث ،استخدمت شبكة دالة القاعدة الشعاعية ( )RBFو شبكة دالة القاعدة الشعاعية المضببة ( )FRBFوتطبيقها على مجموعة صور بعدد 830صورة للكشف ما إذا كانت ثمار الحمضيات صحية أم مريضة. في البداية ،تمت المعالجة الأولية لهذه الصور وتحجيمها الى صور بحجم 250 ×250بيكسل واستخلاص المي ازت منها باستخدام طريقة مصفوفة التواجد المشترك ( )GLCMبعد تحديد المستوى الرمادي بعدد 8تدرجات وبمسافة بيكسل واحد ،وتم استخلاص 21ميزة إحصائية منها ثم تم إدخال هذه المي ازت إلى RBFبعد تحديد عدد خلايا طبقة الادخال بـ( )21و الطبقة المخبئة بـ ( )20خلية وخلية واحدة للإخ ارج وتم اختيار الم اركز بصورة عشوائية من بيانات التدريب وتم اختيار الاو ازن بصورة عشوائية ايضا وتدريبها باستخدام طريقة Pseudo .
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have