کاهش خطا در تشخیص بیماری گیاهان به کمک پردازش تصویر و هوش مصنوعی فازی

یک سیستم بینایی ماشین برای تشخیص بیماری های گیاهی یا جداسازی میوه های عیب دار از بدون عیب، جهت کارکرد صحیح، دقیق و با سرعت، نیازمند پارامترهای متعددی است، لذا بایستی این پارامترها به بهترین وجه انتخاب شوند. این پارامترها شامل دقت نمونه برداری بر اساس شرایط نور، سرعت، فاصله و زاویه نمونه برداری است. این پژوهش باهدف مدل سازی بیماری ها به منظور مدل سازی سیستم تشخیص از سامانه استنتاج عصبی فازی تطبیقی استفاده گردیده است نتایج نشان می دهد که می توان شبکه عصبی فازی با استفاده از الگوریتم کلاسیک ترکیبی را آموزش داد به نحوی که خطا برای داده های آموزش کاهش یابد.