جداسازی علف های هرز مزارع سیب زمینی از گیاه سیب زمینی براساس ویژگی های بافتی تصاویر دیجیتال

امروزه علف کش ها اصلی ترین وسیله مبارزه با علف های هرز می باشند. کاربرد سموم علف کش موجب آلودگی های زیست محیطی، آلودگی آب های زیرزمینی و سطحی می شود. از طرفی کشاورزی دقیق با مدیریت تغییرات مکانی خصوصیات مختلف خاک و محیط مزرعه، موجب افزایش محصولات زراعی، کاهش آلودگی های زیست محیطی و افزایش بهره وری می گردد. یکی از اهداف کشاورزی دقیق در مرحله داشت، تشخیص و جداسازی علف های هرز از گیاه اصلی می باشد بطوریکه توزیع نهاده ها بر اساس نیاز واقعیشان در هر قسمت از مزرعه توزیع گردد. بینایی رایانه ای یکی از شاخه های مدرن و پر تنوع هوش مصنوعی است که با ترکیب روش های مربوط به پردازش تصویر و ابزارهای تعلم ماشینی، رایانه ها را به بینایی اشیا، مناظر و درک هوشمند خصوصیات آنها توانا می گرداند و می تواند ابزار مناسبی برای تشخیص و جداسازی محصول از خاک و علف های هرز باشد. هدف اصلی این تحقیق بررسی جداسازی علف های هرز مزارع سیب زمینی از گیاه سیب زمینی با استفاده از ویژگی های بافتی تصاویر دیجیتال بود. طی مراحل رشد از هر کدام گیاهان مذکور عکس برداری صورت گرفت. پس از انجام پردازش اولیه روی تصاویر، پارامترهای مربوط به هر یک از ویژگی های بافتی به صورت مجزا جمع آوری گردید. که شامل میانگین شدت بافت، میانگین کنتراست بافت، Intensiity، تقارن هیستوگرام، یکنواختی و آنتروپی بود. بهترین حد آستانه برای تصاویر باینری از روش آتسو محاسبه شد. بدین وسیله تصاویر علف هرز و سیب زمینی از پس زمینه خاکی جدا شدند. به منظور طبقه بندی علف های هرز مختلف مزارع سیب زمینی از محصول از شبکه عصبی مصنوعی استفاده شد. پس از آموزش و اعتبار سنجی شبکه، میزان طبقه بندی صحیح برای جداسازی علف هار هرز از گیاه سیب زمینی با MSE به ترتیب 0/0144 و 0/5429 و نرخ طبقه بندی صحیح (CCR) برابر 100% هم برای داده های آموزشی و هم برای داده های تست به دست آمد. با توجه به نتایج بدست آمده از این تحقیق می توان گفت که روش پردازش تصویر دیجیتال و بینایی ماشین، می تواند در تشخیص خودکار و جداسازی علف های هرز مزارع سیب زمینی از گیاه سیب زمینی می توان بطور موفقیت آمیز مورد استفاده قرار گیرد.

Keywords:

تشخیص خودکار , علف هرز , سیب زمینی , هوش محاسباتی , پردازش تصویر دیجیتال , ویژگی های بافتی