كلية علوم الحاسوب وتقانة المعلومات
Permanent URI for this communityhttps://repository.neelain.edu.sd/handle/123456789/485
Browse
Item Diagnosis of puccinia-sorghi Disease Using Back Propagation Algorithm.(Neelain University, 2019-10) Hanan Mahmoud Abd Alla FadlAbstract Artificial intelligence is very useful in plant disease detection, the Farmers suffering the problem of corn rust disease using Artificial Inelegance Back Propagation Algorithms along with Artificial Neural Networks. Implementation of back propagation learning deals with the adjusting of network weights and biases in the direction in which the performance function decreases most rapidly, the negative of the gradient. The proposed methodology uses leaf features for disease detection where feature extraction is done on segmented diseased area. According to the results of image show that the Healthy Corn leaf with acceptable output of Accuracy. We recommend more algorithm enhancement for such type of image analysis. Use hyper algorithms for more accurate results of leaf disease. Explore more types of disease using a collection of image data base. Use high quality image techniques for more accurate detection. المستخلص الذكاء الاصطناعي قد أسهم في تطوير طرق الكشف عن أمراض النباتات ومكافحة الآفات الزراعية, لقد عاني المزارعين من مرض صدأ نبات الذرة والتي تسبب انخفاضًا كبيرًا في جودة وكمية المنتجات الزراعية. يعتبر الكشف المبكر لأمراض النبات موضوعًا أساسيًا للبحث حيث أنه قد يثبت فوائده في مراقبة الحقول الكبيرة للمحاصيل ، وبالتالي يكشف مبكرا عن أعراض الأمراض بمجرد ظهورها في أوراق النبات. ربط المنهجية وجمع البيانات من قاعدة البيانات من صور كل من الأوراق السليمة و المريضة قد اتخذت للتدريب واحدة تلو الأخرى صورة للاختبار. و الخوارزمية قادرة على إجراء تشخيص المرض الصحيح وعرض النتيجة. يتعامل تنفيذ خوارزمية الانتشار الخلفي مع ضبط أوزان الشبكة وانحيازاتها في الاتجاه الذي تتناقص فيه وظيفة الأداء بسرعة أكبر ، للتدرج السلبي يتكون مخطط المعالجة المطور من خمس خطوات رئيسية ، أولًا يتم إنشاء بنية تحويل ألوان لصورة ورقة الإدخال ، ثم يتم إزالة الضجيج ، أي جزء غير ضروري باستخدام قيمة محددة ، ثم يتم تقسيم الصورة مع وضع علامات المكون المتصل ، وتكون الأجزاء المفيدة المستخرجة ،وأخيرا يتم حساب تصنيف الشبكات العصبية من خلال إعطاء ميزات مختلفة مثل الحجم واللون والقرب.الطريقة المتبعة للتحليل قادرة علي التعرف علي الأمراض بورقة النبات من خلال تحليل أماكن الإصابة بالمرض . أوضحت النتائج دقة عالية لصورة ورقة الذرة الصحيحة, نوصي بتحسين الخوارزمية لهذا النوع من تحليل الصور. استخدم خوارزميات هجينة للحصول على نتائج أكثر دقة لمرض الأوراق. استكشاف المزيد من أنواع الأمراض باستخدام قاعدة بيانات مجموعة من الصور. استخدم تقنيات صور عالية الجودة لاكتشاف أكثر دقة .