پیشبینی و کنترل محتوای رطوبت گیاه چمن توسط یک سامانه هوشمند با بکارگیری پردازش تصویر و الگوریتم رگرسیون بردار پشتیبان

بحران کمبود آب و خشکسالی از یک سو و افزایش دمای جهانی از سوی دیگر، نحوه آبیاری گیاهان را در کشورهای صنعتی دگرگون کرده است. دغدغه مهندسان و محقیقین در این زمینه، افزایش بهره وری در آبیاری و البته تدوین سیستمی برای آبرسانی مکفی به گیاهان است که گیاه کمبود آب نداشته باشد و البته از هدر رفت آب جلوگیری شود. در سراسر دنیا سیستمهای گران قیمت آبیاری هوشمند با استفاده از شبکه های سنسوری و شبکه ای مش طراحی و ساخته شده اند و در گلخانه های صنعتی قابلیت استفاده دارنددر این مطالعه با هدف تشخیص نیاز آبی گیاه، مجموعه ای از 5000 تصویر گیاهان آپارتمانی تحت شرایط تنش خشکی جهت استخراج ویژگیهای رنگی، بافت و تعدادی از پارامترهای تصویر در حوزه فرکانس مورد بررسی قرار گرفت. در ادامه پس از بررسی پارامترهای استخراج شده از تصاویر با توجه به نتایج آنالیز آماری در سطح احتمال 5% مناسبترین ویژگیها به منظور پیشبینی محتوای رطوبت گیاه توسط الگوریتم رگرسیون بردار پشتیبان انتخاب شد.در نهایت نشان داده شد که هسته Linear در تابع الگوریتم SVR نسبت به سایر هسته ها دارای بالاترین ضریب همبستگی با مقدار 97 وهمچنین کمترین مقادیر SRE - RMSE – MAPE - و RAV است. بدین ترتیب نتیجه گرفته شد که سامانه پیشنهاد شده از کارآیی مناسبی به منظور اندازه گیری و سنجش پژمردگی گیاهان آپارتمانی و کنترل میزان آب مورد نیاز آن برخوردار است

Keywords:

پردازش تصویر , رگرسیون بردارپشتیبان , یادگیری ماشینی , یادگیری عمیق