تعیین زمان برداشت میوه سیب با استفاده از تصاویر رنگی و یادگیری عمیق

شناسایی مراحل رشدی میوه پیش از برداشت عامل مهمی در بهبود کمیت و کیفیت میوه می باشد. داشتن چنیناطلاعاتی به باغدار کمک میکند تیمار مناسب هر مرحله رشدی را اعمال نماید و نیز به درک مناسبی از زمانبرداشت میوه باتوجه به شرایط متغیر آب وهوایی دست پیداکند. با این هدف، در پژوهش حاضر از تصاویر رنگیبرای شناسایی هفته های منتهی به زمان برداشت میوه سیب گلدن پاییزه استفاده شد. با استفاده از فناوری یادگیریعمیق و شبکه های عصبی کانولوشنی، مدل EfficientNetB۱ برای کلاس بندی عکس های گرفته شده ازهفته های مختلف رشدی میوه سیب استفاده شد. داده ها به سه دسته آموزش (۶۰%)، اعتبارسنجی (۲۰%) وآزمون (۲۰%) تقسیم شدند. همچنین، دو فرایند پیش پردازش یعنی نرمال سازی داده ها و نیز داده افزایی برایحصول نتایج بهتر منظور گردید و در مرحله توسعه مدل از بهینه ساز Nadam و تابع هزینهcategorical_crossentropy استفاده شد. نتایج نشان داد که مدل توسعه داده شده قابلیت خوبی در طبقه بندیتصاویر ورودی خواهدداشت. مقدار ضریب همبستگی (R) برای داده های آموزش، اعتبارسنجی و آزمون بهترتیب ۰.۸۶ ، ۰.۸۸ و ۰.۸۷ بدست آمد. همچنین، توانایی مدل در طبقه بندی کلاس های مختلف با استفاده ازپارامترهای precision ، recall و f۱-score برای هر کلاس ارائه گردید که برطبق آن برخی از کلاسها بهدقت ۱۰۰% نیز دست یافتند. با توجه به نتایج، مدل توسعه داده شده می تواند در توسعه ربات های برداشت،برنامه های کاربردی موبایل و نیز سامانه های عکس برداری هوایی با استفاده از پهپاد و غیره استفاده شود و اهدافمختلفی در کشاورزی دقیق، و به طور خاص، باغبانی دقیق را برآورده سازد.

کلیدواژه ها:

باغبانی دقیق ، یادگیری عمیق ، شبکه EfficientNetB۱ ، طبقه بندی ، زمان برداشت ، تصاویر رنگی ، سیب