سجاد سبزی - دانشجوی دکتری مکانیک ماشین های کشاورزی دانشگاه محقق اردبیلی- اردبیل، ایران
یوسف عباس پورگیلانده - استاد گروه مکانیک بیوسیستم دانشگاه محقق اردبیلی- اردبیل، ایران

امروزه با توسعه تکنولوژی در زمینه های الکترونیک و مکانیک، بخش کشاورزی در تلاش به منظوراستفاده از این تکنولوژی ها می باشد. یکی از زمینه هایی که مورد توجه محققان مختلف قرار گرفته است،استفاده از تکنولوژی های جدید در زمینه پاشش بهینه علف کش ها در زمینه ای زراعی است. به همینمنظور، در این مطالعه یک سیستم بینایی ماشین مبتنی بر پردازش ویدئو، به منظور تشخیص دو نوععلف هرز رایج در زمین های سیب زمینی یعنی سلمه تره و هفت بند پیشنهاد گردید. پس از فیلمبرداری،پیش پردازش و قطعه بندی، 1688 شیء شناسایی شدند. با استفاده از هیبرید شبکه عصبی مصنوعی –الگوریتم شبیه سازی تبرید، 4 خصوصیت موثر ثابت ممانی سوم، محیط، ثابت ممانی پنجم و مجموعآنتروپی در میان 13 خصوصیت استخراجی انتخاب شدند. با استفاده از طبقه بند هیبرید شبکه عصبیمصنوعی – الگوریتم زنبورها این دو نوع علف هرز طبقه بندی شدند. سه معیار حساسیت، دقت و ویژگیبه منظور بررسی عملکرد سیستم طبقه بند محاسبه گردید. مقدار حساسیت برای داده های تست در کلاسسلمه تره 98/20، و در کلاس هفت بند 88/16 درصد بود. میزان دقت طبقه بند تقریبا 96 درصد بدست آمد. در نهایت مقدار ویژگی سیستم طبقه بند برای کلاس های سلمه تره و هفت بند به ترتیب 96/45 و 93/71 درصد بدست آمد.

پردازش ویدئو، خاص مکانی، طبقه بندی، علف های هرز، هوش مصنوعی