شناسایی آفات مرکبات با به کارگیری پهپاد و روش های هوش مصنوعی

امروزه اجرای کشاورزی دقیق با هدف مدیریت و کنترل آفات می تواند در استفاده بهینه سموم، کاهش اثرات نامطلوب زیست محیطی و تضمین سلامتی بشر موثر باشد، لیکن مدیریت تک تک درختان در سطح وسیع چالش بزرگی به شمار می آید. بنابراین، به کارگیری یک سامانه بینایی ماشین برای پایش و شناسایی آفات درختان در مرحله داشت ضروری به نظر می رسد. در این پژوهش، یک پهپاد مجهز به دوربین برای شناسایی آفات در نقاط مختلف باغ مرکبات مورد استفاده قرار گرفت. برای انتخاب بهینه سرعت خطی پهپاد، سه سرعت در محدوده ۱۰، ۲۰ و ۳۰ سانتی متر بر ثانیه در نظر گرفته شد. ویدئوهای ثبت شده پس از فریم بندی و تغییر ابعاد به سه مدل از پیش آموزش دیده شده یادگیری عمیق AlexNet، VGG-۱۶ و GoogleNet ارائه شد. برای انتخاب الگوریتم مناسب، سه الگوریتم بهینه ساز متفاوت یعنی SGDm، RMSProp و Adam در فرآیند آموزش شبکه مورد استفاده قرار گرفت. نتایج ارزیابی نشان داد که مدل GoogleNet به کمک الگوریتم SGDm از نظر دقت تشخیص، بهترین عملکرد را داشته است. بیشترین دقت تشخیص آفت به مقدار ۴۳/۹۶% در سرعت ۱۰ سانتی متر بر ثانیه به دست آمد، به طوری که با افزایش محدوده سرعت به ۳۰ سانتی متر بر ثانیه، میزان دقت تشخیص به مقدار ۱۳% کاهش یافت. نتایج این تحقیق نشان می دهد که استفاده از ترکیب پهپاد و روش های هوش مصنوعی می تواند به متخصصان و کشاورزان در مدیریت و کنترل آفات باغ مرکبات کمک نماید.

کلیدواژه ها:

بینایی ماشین ، تشخیص آفات ، مرکبات ، یادگیری عمیق ، یادگیری انتقالی