تشخیص علف هرز در مزارع غلات با استفاده شبکه عصبی کانولوشنی مبتنی بر یادگیری عمیق

پیش بینی ها نشان می دهد تا سال ۲۰۵۰ میلادی جمعیت جهان به ۹ میلیارد نفر خواهد رسید. تامین غذای اینجمعیت مستلزم افزایش ۷۰ درصدی تولید محصولات کشاورزی است. کشاورزی دقیق به معنی استفاده به جا، به موقعو به اندازه نهاده های کشاورزی است که می تواند در تولید محصولات کشاورزی همراه با حفظ محیط زیست کمکنماید. استفاده از سموم شیمیایی از اجزای لاینفک کشاورزی است اما تشخیص نیاز مزرعه به مقدار ماده شیمیایی برایمبارزه با آفات، بیماری ها و علف های هرز به استفاده بهینه از آن منجر خواهد شد. دو روش سمپاشی نرخ متغیر وسمپاشی نقطه ای در کشاورزی دقیق به کار گرفته می شوند. اولین گام برای پیاده سازی این نوع سمپاشی تشخیصآفت، علف هرز و یا بیماری ا ست. هدف از این تحقیق تشخیص علف جعفری وحشی در مزارع غلات با استفاده ازشبکه های عصبی کانولو شنی (CNN) مبتنی بر یادگیری عمیق بودت جعفری وحشی یکی از انواع علف هرز ا ست کهاغلب در مزارع غلات رشد می کند. تصاویری از نقاط مختلف مزرعه در دو سال زراعی ۲۰۱۸ و ۲۰۱۹ تهیه شد.شبکه ها، تکنیک ها و معماری های مختلفی برای تشخیص به کار گرفته شد. سه پارامتر میانگین دقت، میانگین یادآوری و IoU برای ارزیابی و مقایسه روشهای مورد استفاده قرار گرفت. نتایج بررسی نشان داد که شبکه FasterRCNN به همراه شبکه عصبی کانولوشنی ResNet۵۰ و در ترکیب با شبکه ویژگی هرمی موفق به تشخیص تقریبا ۹۵ % علف هایهرز می باشد. از چالش های عمده درتشخیص، وجود علف های هرز با تراکم بالا در بعضی نقاط بود و برایمرتفع سازی آنها ایده ها و روش هایی مطرح شد که روند آموزش شبکه ها بهتر و دقت خروجی آنها افزایش یافت.

Keywords:

یادگیری عمیق , علف هرز , تشخیص اشیاء , شبکه ویژگی هرمی , شبکه عصبی کانولوشنی