شناسایی آفت حلزون در باغ مرکبات با بکارگیری شبکه عصبی پیچشی

امروزه تحقیقات زیادی در زمینه تشخیص آفات و بیماری های گیاهی با استفاده از فناوری های ماشین بینایی انجام شده است. یکی از عواملی که منجر به کاهش دقت ماشین برای تشخیص آفات در شرایط مزرعه ای می شود، وجود عوامل نامساعد از قبیل سایه و تغییرات شدت نور در ساعات مختلف روز می باشد. در این پژوهش به منظور یافتن شدت نور مناسب در ساعات مختلف روز از نورپردازی به وسیله یک لامپ در محل تصویربرداری استفاده شده است. برای تشخیص درختان آلوده به آفت حلزون از روش یادگیری عمیق با سه نوع الگوریتم بهینه ساز نسبتا قوی یعنی Adam, RMSProp و SGDam استفاده شد. برای بررسی و آزمون الگوریتم های مورد استفاده، تعداد ۸۰۰۰ تصویر در ۹ شرایط مزرعه ای و یک حالت آزمایشگاهی مورد بررسی قرار گرفت. در شرایط مزرعه ای، کمترین مقدار دقت تشخیص الگوریتم ها با ۶۴/۳۳% مربوط به تصویربرداری در روز ابری با شدت نور ۳۵۰ الی ۷۰۰ لوکس و با استفاده از الگوریتم RMSProp حاصل شد، ولی با ایجاد شدت نور کنترل شده به وسیله لامپ (تقریبا ۹۰۰۰ لوکس)، دقت تشخیص با استفاده از الگوریتم SGDm تا ۹۵/۲۵% بهبود یافت. در شرایط آزمایشگاهی که تصاویر در محیطی کنترل شده با شدت نور ثابت تهیه شده بود، استفاده از الگوریتم SGDm، دقت تشخیص را تا مقدار ۹۸/۷۳% ارتقاء داد.

کلیدواژه ها:

مرکبات ، آفت حلزون ، تشخیص هوشمندف پردازش تصویر ، یادگیری عمیق