بررسی توانایی شبکه های عصبی پیچشی به منظور شناسایی علف های هرز

الگوریتم های هوش مصنوعی می توانند در مدیریت محصولات کشاورزی بسیار موثر باشند. این الگوریتم ها می توانند داده های بزرگ و پیچیده را تحلیل کنند و الگوها، روندها و اطلاعات مففومی ر استخراج کنند. همچنین, با ترکیب کشاورزی با هوش مصنوعی، این صنعت در بخش های مختلف خود از شکل سنتی خارج شده و وارد مسیر تکاملی شده است. از این رو، بکارگیری روش های نوین در صنعت کشاورزی یک ضرورتجدی است. استفاده از حسگرها و ابزارهای تعبیه شده در تکنولوژی های پهیادها، می تواند عوارض مربوط به مزارع را تشخیص دهد. با این هدف، تمرکز مطالعه حاضر، بررسی کاربردهای شبکه عصبی پیچشی در کشاورزی به منظور تشخیص علف های هرز، با استفاده از حسگر ها و ابزارهایتعبیه شده در تکنولوژی های ما شین آلات و پهیادها ا ست. برای انحام این کار یک مزرعه ۲۵ هکتاری از واحد کشت و صنعت نب شکر امیرکبیرانتخاب شد. سپس به منظور آنالیز شرایط مزرعه، تصویربرداری مزارع توسط پهیاد مدل eBee SQ صورت گرفت. تصاویر دریافتی با استفاده ازشبکه عصبی SeNet-۵ پردازش و نقشه علف های هرز در سطح مزرعه تهیه گردید. نتایج دقت کلی نقشه تهیه شده %۸۸/۸ همچنین علفهرز و نیشکر به ترتیب با دقت ۰/۹۵ و ۰/۴۴ بدست آمدند. این نتایج نشان دهنده توانایی مناسب این فناوری در شناسایی موقعیت بخش های ازمزرعه که علف های هرز می باشد. این نقشه ها در صرفه جویی مصرف بیش از حد آفت کش ها و علف کش ها از سطح مزرعه و جلوگیری از صدمهوارد شدن به محصول هنگام استفاده از ابزارآلات سنگین همجون تراکتور ارزشمند هستند. از طرف دیگر استفاده بهینه از نیروی انسانی وافزایش بهره وری را به دنبال خواهد دا شت. همچنین مدل سازی های اولیه، دید دقیق تری به مدیران و کار شناسان کشاورزی می دهد تا مروریمختصر در مورد استفاده و پیاده سازی شبکه های عصبی در عرصه کشاورزی و سیستم های وجین علف های هرز از طریق تکنولوژی های جدید وتصاویر سنحش از دور داشته باشند.

Keywords:

نیشکر , هواپیماهای بدون سرنشین , یادگیری عمیق , LeNet-۵