تشخیص و شمارش خودکار شب پره مینوز گوجه فرنگی، Tuta absoluta با استفاده از تکنیک یادگیری عمیق

استفاده از فناوری­ های نوین برای تشخیص و اندازه گیری تراکم جمعیت آفات، می­تواند گام مهمی برای تسهیل در اجرای برنامه های مدیریت تلفیقی آفات و کنترل دقیق­تر و موثرتر آن ها باشد. در این پژوهش، از تکنیک یادگیری عمیق و شبکه عصبی کانولوشنال با معماری AlexNet، جهت تشخیص و شمارش خودکار شب پره مینوز گوجه فرنگی Tuta absoluta (Myrick) (Lepidoptera: Gelechiidae)، یکی از آفات کلیدی گیاه گوجه فرنگی در ایران، استفاده شد. برای جمع آوری تصاویر حشرات بالغ T. absoluta، تعداد ۱۵ تله دلتا در دو هکتار از مزارع گوجه فرنگی پردیس کشاورزی و منابع طبیعی دانشگاه رازی، نصب گردد. به منظور تهیه تصاویر، از دوربین عکاسی سونی مدل  DSC-WX۱۰۰ با دقت موثر حسگر ۱۸ مگاپیکسل، استفاده شد. برای ارزیابی عملکرد شبکه عصبی پیچشی با معماری AlexNet از پارامترهای دقت متوسط، دقت و یادآوری استفاده و برای ارزیابی عملکرد در شمارش، از منحنی رگرسیون خطی و ضریب تبیین استفاده شد. پارامترهای دقت متوسط (۹۸/۰)، دقت (۱۰۰) و یادآوری (۱۰۰) نشان از عملکرد بالای شبکه عصبی کانولوشنال در تشخیص شب پره مینوز گوجه فرنگی داشت و همچنین ضریب تبیین (۹۸/۰)، بیانگر دقت بالای شبکه در شمارش این آفت بود. به طور کلی، نتایج نشان داد که شبکه عصبی می­تواند راه­حلی کاربردی برای تشخیص و شمارش دقیق این آفت روی گوجه فرنگی با استفاده از تصاویر گرفته شده ارائه کند.

تشخیص و شمارش خودکار شب پره مینوز گوجه فرنگی، Tuta absoluta با استفاده از تکنیک یادگیری عمیق Keywords:

شب پره مینوز گوجه فرنگی , معماری AlexNet , یادگیری عمیق