سامان آبدانان مهدی زاده - دانشگاه کشاورزی و منابع طبیعی رامین خوزستان
هادی اورک - دانش آموخته کارشناسی ارشد، گروه مکانیک بیوسیستم، دانشکده مهندسی زراعی و عمران روستایی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان
فاطمه کاظمی کرجی - دانش آموخته کارشناسی ارشد، گروه مکانیک بیوسیستم، دانشکده مهندسی زراعی و عمران روستایی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان

هجوم علف های هرز از جمله عوامل محیطی به شمار می­رود که ارزش و کیفیت محصول را، به طور مستقیم، از طریق رقابت با گیاه اصلی تحت تاثیر قرار می دهند. سامانه ­های کنترل علف های هرز که بر اساس ویژگی های ظاهری عمل می­کنند می­بایست توانایی تشخیص علف های هرز و محصولات تحت توزیع های مختلف را داشته باشند. در این پژوهش به منظور کاهش هزینه ­ها و مقرون به صرفه­ سازی، سمپاشی طراحی و توسعه داده شد و با الهام ازبسته کلمات تصویری، برای بهبود عملکرد روش  هیستوگرام شیب های جهت گرا، استفاده متفاوتی از این توصیف گر ارائه گردید. مطابق نتایج بدست آمده از مرحله آموزش، الگوریتم بسته کلمات تصویری به خوبی با میزان دقت، اطمینان و حساسیت بیش از ۹۷%  قادر به تشخیص محصول از گونه­ های علف­ هرز رایج در مزارع چغندرقند بود.سامانه سمپاش هوشمند در  حالتی که سامانه با الگوریتم توسعه یافته وارد مزرعه گردید توانست به خوبی با دقت، اطمینان و حساسیت بیش از ۹۴% محصول را از گونه­ های علف­ هرز به صورت برخط تشخیص دهد. نتایج نشان داد سامانه سمپاش ارائه شده در بهترین و بدترین حالت سمپاشی به ترتیب ۹۳/۷۸% و ۳۸/۶۹% میزان مصرف علف­کش را کاهش داده است. مطابق نتایج بدست آمده بهترین حالت سمپاش هوشمند در حالت نرخ متغیر و استفاده از الگوریتم تشخیص بسته کلمات تصویری بدست آمد.

علف هرز, شبکه عصبی مصنوعی, سمپاش, HOG, طبقه بندی, علف کش