سامانه هوشمند تشخیص برخط علف های هرز مبتنی بر یادگیری عمیق

علف های هرز با رقابت برای آب، نور و عناصر غذایی، از مهم ترین عوامل کاهش عملکرد محصولات کشاورزی هستند و روش های متداول کنترل آن ها مبتنی بر علف کش های شیمیایی با چالش های جدی زیست محیطی همراه است. در این پژوهش یک سامانه هوشمند تشخیص برخط علف های هرز مبتنی بر شبکه آشکارساز یولو نسخه ۸ سبک طراحی و پیاده سازی شده است. فرض بر این است که با آموزش یک مدل سبک یادگیری عمیق بر روی تصاویر دید از بالا می توان دو کلاس «گیاه زراعی» و «علف هرز» را با دقت و سرعت کافی برای استفاده در سامانه های رباتیک از یکدیگر تفکیک کرد. برای این منظور، یک مجموعه داده اختصاصی در محیط کنترل شده تهیه و برچسب گذاری شد و مدل به کمک یادگیری انتقالی آموزش دید. عملکرد سامانه با استفاده از شاخص میانگین دقت متوسط در آستانه اشتراک ۵۰ درصد، دقت، یادآوری و شاخص تلفیقی دقت و یادآوری ارزیابی شد. نتایج بر روی مجموعه آزمون مستقل نشان داد که میانگین دقت متوسط برای دو کلاس برابر با ۰.۹۸۷ است؛ دقت برای کلاس گیاه زراعی ۰.۹۹۵ و برای کلاس علف هرز ۰.۹۷۸ و یادآوری هر دو کلاس بیش از ۰.۹۷ به دست آمد و شاخص تلفیقی دقت و یادآوری نیز حدود ۰.۹۸ محاسبه شد. تحلیل منحنی دقت-یادآوری بیانگر تفکیک بسیار خوب دو کلاس و احتمال بسیار کم تشخیص نادرست گیاه زراعی به عنوان علف هرز است. این نتایج نشان می دهد سامانه پیشنهادی می تواند به عنوان هسته تشخیصی ربات های حذف غیرشیمیایی علف هرز به کار گرفته شود؛ هرچند تعمیم آن به مزارع واقعی مستلزم گسترش مجموعه داده و انجام آزمون های میدانی است.

Keywords:

کشاورزی هوشمند , علف هرز , بینایی ماشین , یادگیری عمیق , شبکه یولو