Ozan DEMİRÖZER, Abdulkadir ÇAKIR, Ayşenur YILMAZ

Counts of rose soft scale (Rhodococcus perornatus Cockerell Parrott) (Hemiptera: Coccidae) by using image processing methods

yağ güllerinin ana zararlısı gül koşnili (Rhodococcus perornatus Cockerell Parrott) (Hemiptera: Coccidae)'dir. Hayatının tüm evrelerini yağ gülü bitkisi (Rosa damascena Miller) üzerinde geçirir ve bitki öz suyunu emerek zararlı olmaktadır. Zararlılarla mücadelenin ilk basamağı olan popülasyon yoğunluğunun tahmin edilmesi yapılan düzenli örnekleme ve sayımlarla mümkün olmaktadır. Ancak, Coccidae'de olduğu gibi aşırı yoğun popülasyon düzeyine ulaşabilen böceklerde sayım çalışmalarında farklı koşulların sıkça etkili olması sayım hatalarına neden olmaktadır. Bu çalışmada, Isparta'da bulunan yağ gülü üretim alanlarından farklı zamanlarda temin edilen ve zararlının farklı yaşam dönemleriyle bulaşık (1. nimf, 2. nimf dönemleri ve ergin(dişi)) dal örnekleri 1.5 cm'lik parçalara ayrılıp sayıma hazır hale getirilmiştir. Leica marka (Z16 APO; 40X büyütme) makroskop kullanılarak örnek dal görüntüleri alınmıştır. Alınan görüntüler Leica las 4.50 mikroskop yazılım platformunda gerekli görüntü kalitesi arttırma işlemleri yapılarak işlenebilir hale getirilmiştir. Daha sonra görüntüler Matlab yazılım programı (R2016b sürümü) ve Matlab yazılım dili ile morfolojik görüntü işleme yöntemleri kullanılarak sayılabilir forma dönüştürülmüştür. Yapılan bu çalışmayla zararlıya ait 1. nimf, 2. nimf ve ergin(dişi) dönemlerinin belirlenmesi ve her bir dönemin ortalama vücut boylarının çıkartılması için bir algoritma oluşturulmuştur. Sayımlar ve tablolar bu çalışmada yazılan algoritmaya bağlı kalınarak düzenlenmiştir.

Gül koşnili (Rhodococcus perornatus Cockerell Pa rrott) (Hemiptera: Coccidae)’un Görüntü İşleme Yöntemleri Kullanılarak Sayılması

the rose soft scale (Rhodococcus perornatus Cockerell Parrott) (Hemiptera:Coccidae) is the main pest of oil-bearing rose in lsparta (Turkey). It spends allperiods of the life on oil-bearing rose (Rosa damascena Miller) and damage roseplants by sucking the sap. Population density, which is the first step of thestruggle with pests, is estimated by regular sampling and counting. However, incase of insects that can reach an overly dense population level, as in Coccidae,census errors are frequently caused by different conditions in census studies. Inthis study, infested rose twigs infested by different life stages of the pest (1Stnymph instar, 2“d nymph instar, female(adult)) were provided from different oilbearingorchards in lsparta at different time stages in the seasons and the twigsamples were cut as 1.5 cm pieces for the purpose of image taking and counting.Imaging were done by Leica (Z16 APO; 40X Magnification). Acquired images wereprocessed in the Leica las 4.50 microscope software platform by performing thenecessary image quality enhancement operations. Images from the macroscopeare converted into countable form by Matlab program (R2016b version) andMatlab software language using morphological image processing methods. Analgorithm has been created to determinate female(adult), 1“ and 2nd nymphs ofrose soft scale and calculate average size of the different life stages. Counting wasdone and tables were arranged according to the created algorithm.

PDF

___

Acatay, A. 1970. Schädlinge von Rosa domestica Mill. İn der Türkei. Anzeiger für schädlingskunde und pflanzenschutz vereinigt mit schädlingsbekampfung, 43(4): 49-53.
Altınok, M.A. Ulusoy, M.R. 2004. Distribution by GIS mapping of Rhodococcus perornatus
(Cockerell & Parrot) (Homoptera: Coccidae) on oil bearing roses in Isparta province, Turkey. Proceedings of the X International Symposium of Scale Insect Studies. Adana-Turkey 19th-23rd April, 389-396.
Ayata, M. Yalçın, M. Kirişçi, V. 1997. Toprak-alet ilişkilerinin görüntü işleme sistemi ile incelenmesi. Tarımsal Mekanizasyon 17. Ulusal Kongresi Bildiri Kitabı, Tokat, s. 267-274.
Castleman, K. R. 1996. Digital Image Processing, Perceptive Scientific Instruments, Inc.
Dursun, E. Göknur-Dursun, İ. 2000. Ekim makinası sıra üzeri tohum dağılımının görüntü işleme yöntemi ile belirlenmesi, Ankara Üniversitesi Ziraat Fakültesi Tarım Bilimleri Dergisi, 6(4): 21-28.
Dursun, E. Göknur-Dursun, İ. 2005. Some physical properties of caper seed, Biosystems
Engineering, 92(2), 237-245.
Elmas, Ç. 2011. Yapay Zeka Uygulamaları, Seçkin Yayıncılık, Ankara.
Gonzalez, R. C. Woods, R. E. 2002. “Digital Image Processing “, New Jersey, 2nd. Ed.
Huddar, S. R. Gowri, S. Keerthana, K. Vasanthi, S. Rupanagudi, S.R. 2012. Novel algorithm
for segmentation and automatic identification of pests on plants using image processing, Third International Conference on Computing Communication & Networking Technologies (ICCCNT), Bangalore, India.
John, C. 1999. The Image Processing Hand Book, 3nd Ed. CRC Press, ISBN:0- 8493-25323.
Pourdarbani, R. Rezai, B. 2011. Automatic Detection of Greenhouse Plants Pests by image
Analysis, Journal of Agricultural Machinery Science, Tabriz, Iran, 7(2), 171-174.
Solomon,C. Breckon T. 2011. Fundamentals of Digital Image Processing, Wiley-Blackwell.