تشخیص علف هرز چاودار از گیاه سیب زمینی با استفاده از پردازش ویدئو و هوش محاسباتی

علف هرز به­دلیل رقابت با محصولات کشاورزی برایدستیابی به آب، مواد مغذی، نور خورشید و . . . باید از مزرعه حذف شود. روش های مختلفی برای مبارزه با علف های هرز وجود دارد مانند روش های مکانیکی، دستی و استفاده از علف کش ها که در میان کشاورزان، امروزه کاربرد علف کش ها رایج تر است اما این کار به­دلیل استفاده یکسان در کل مزرعه، به ­آلودگی زیست محیطی انجامیده است. در این مطالعه، یک سیستم ماشین بینایی مبتنی بر پردازش ویدئو به منظور شناسایی علف هرز چاودار از گیاه سیب زمینی جهت پاشش بهینه علف کش پیشنهاد شده است. پس از فیلم برداری، پیش پردازش و قطعه بندی، ۹۶۵ شیء شناسایی شد. از هر شیء، ۱۴ خصوصیت استخراج شد. با استفاده از روش فراابتکاری هیبرید شبکه عصبی مصنوعی – الگوریتم ژنتیک از میان ۱۴ خصوصیت استخراجی، ۶ خصوصیت میانگین، ممان سوم، خودهمبستگی، همبستگی، عدم تشابه و آنتروپی به­عنوان خصوصیات موثر انتخاب شدند. کل داده ها به دو دسته تقسیم شدند: داده های آموزش (۷۰ درصد کل داده ها) و داده های تست و اعتبارسنجی (۳۰ درصد کل داده ها). با استفاده از طبقه بند هیبرید شبکه عصبی - مصنوعی – الگوریتم مبتنی بر جغرافیای زیستی، طبقه بندی انجام گرفت. با دو روش تحلیل ماتریس اغتشاش و بررسی نمودار ROC، عملکرد سیستم طبقه بند ارزیابی شد. سه معیار حساسیت، دقت و ویژگی با استفاده از ماتریس اغتشاش محاسبه شد. نتایج تحقیق نشان می دهد که میزان حساسیت، دقت و ویژگی سیستم طبقه بند به ترتیب بالای ۹۹، ۹۹ و ۹۸ درصد است. می توان نتیجه گرفت که امکان ساخت سیستم ماشین بینایی با هدف ذکر شده که به­صورت برخط کار می کند وجود خواهد داشت.

Keywords:

الگوریتم های فراابتکاری , طبقه بند , فیلم برداری , قطعه بندی , ماشین بینایی