طراحی، ساخت و ارزیابی سامانه بینائی ماشین جهت تشخیص علف هرز گندم و پاشش بلادرنگ علف کش کشاورزی دقیق

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 611

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NCAMEM10_144

تاریخ نمایه سازی: 6 اسفند 1395

Abstract:

کشاورزی دقیق مدیریت جدید و پیشرفته ای است که تلفیقی از فن آوریهای برتر در جهت افزایش بهره وری و کارایی نهاده های کشاورزی به روشی دقیق، حساس و سودمند است. سیستمهای پایش در مراحل داشت و رشد گیاه ، عملکرد محصول و کاربردمقادیر ویژه نهاده های کشاورزی، از فن آوری های مهم کشاورزی دقیق میباشد. این فن آوری ها ا بزار کمی، کیفی و مدیریتی موجود در مزارع را با مدیریت سامانه های زراعی و مکانیزاسیون بهبود میبخشد یکی از مهمترین عملیات زراعی، حذف علفهای هرزپهن برگ از سطح زمین زراعی محصول گندم میباشد گیاهانی که با رشد سریع خود مانع رشد محصول زراعی شده و باعث افتعملکرد و آلودگی محصول خواهد شد. معمولا جهت حذف علف هرز پهن برگ از سموم شیمیائی علف کش استفاده میشود که به محض تشخیص بروز علف هرز ، با دوز معینی کل زمین کشاورزی تحت پاشش علف کش قرار میگیرد که طبیعتا نقاط آلوده و غیرآلوده به علف، بطور کامل تحت پاشش قرار گرفته و ضمن مصرف بیش از حد ضروری سم علف کش ، افزایش هزینه اقتصادی وآلودگی محیط زیست را نیز بدنبال خواهد داشت. در این پروژه هدف اصلی دستیابی به سامانه بینائی ماشین جهت تشخیص موقعیت استقرار علف هرز گندم بود که پس از تشخیص، با پاشش هوشمند و هدفمند علف کش بصورت بلادرنگ همراه با پیمایش سم پاشدر داخل مزرعه انجام گرفت. در این پروژه دو مرحله انجام گرفت که مرحله اول، شامل طراحی وساخت سامانه بینائی ماشین مجهزبه دوربین وب کم ) web cam (، بر اساس تکنیک پردازش تصویر جهت تشخیص علف هرز در مزارع گندم بود و مرحله دوم، طراحی و ساخت سیستم خودکار پاشش اسپری علف کش مایع بر اساس فرمان سامانه ماشین بینائی در نقاط لازم بود. با پردازشو تشخیص انجام شده توسط سامانه، فقط در نقاط لازم، سم علف کش پاشیده شده واز آلودگی سایر نقاط که نیاز ندارد، جلوگیری گردید. جهت ارزیابی سامانه، طرح آماری با سه تیمار و چهار تکرار انجام و نتایج با نرم افزارآماری spss تحلیل شد. با پاشش هدف دار علف کش در نقاط مورد نیاز ، از بکارگیری سم در سایر نقاط مزرعه جلوگیری و با مصرف کمتر سم، ضمن ایجاد صرفه اقتصادیبیشتر، از آلودگی محیط زیست در اثر باقیمانده سم علف کش مصرف نشده، جلوگیری شد. نتایج این تحقیق نشان داد که امکان طراحی وساخت سامانه بینائی ماشین تشخیص علف هرز وجود داشته و حداقل 23 %سم علف کش کمتری در تیمار سامانه بینائی ماشین نسبت به سامانه مرسوم مصرف گردید.کاهش مصرف سم علف کش در جهت صرفه اقتصادی و آلودگی کمتر محیط زیست در مقایسه با روشهای مرسوم میباشد.

Authors

صمد نظرزاده اوغاز

اعضا هئیت علمی بخش فنی مهندسی مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خراسان رضوی

امین نظرزاده اوغاز

دانشجوی دکترا برق-کنترل دانشگاه شهید بهشتی

محمدحسین سعیدی راد

اعضا هئیت علمی بخش فنی مهندسی مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خراسان رضوی

سعید ظریف نشاط

اعضا هئیت علمی بخش فنی مهندسی مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خراسان رضوی

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • بردبار، م. حسینی، م.1389. بررسی مناسب بودن استفاده از فناوری ...
  • خادمی، م. جعفری، د. 1387. پردازش تصویر رقمی. انتشارات دانشگاه ...
  • صادقی پور، ا. 1387 _ مدیریت علف های هرز. انتشارات ...
  • محمدزمانی، د. همکاران.1391. طراحی و ساخت و ارزیابی سمپاش نرخ ...
  • مدیریت مصرف علف کش در مزارع گندم با استفاده از سیستم بینائی ماشین و روش پردازش تصویردر مدیریت کشاورزی دقیق [مقاله کنفرانسی]
  • Andujar, D. Weis, M. Gerhards, R.2012.an ultrasonic system for weed ...
  • FAOSTAT. 2013. Avalable online from: http:/faostat3 _ fao _ org/fao ...
  • Hong Y. Jeon, Lei F. Tian and Heping Zhu.2011. Robust ...
  • Gerhards, R.Christensen, S.2003 .Real time weed detection, decision making and ...
  • Kiani. S, Jafari.A.20 12. Crop Detection and Positioning in the ...
  • discriminate Analysis and Neural Networks Based on Shape Features. J. ...
  • M ohamadzaman , D .et al.2009. Variable rate herbicide application ...
  • Preze.A.J, et al.2000.color and shape analysis technique for weed detection. ...
  • Quastel, J, H. 1950.2, 4-D i c h lorophenoxyac etic ...
  • Steward, _ L, L.FTian.2000 _ real time machine vision weed ...
  • نمایش کامل مراجع