تشخیص علف هرز در مزارع زعفران با استفاده از مدل بهبود یافته YOLOv۵
محل انتشار: پانزدهمین کنگره ملی و اولین کنگره بین المللی مهندسی مکانیک بیوسیستم و مکانیزاسیون کشاورزی
سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 110
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCAMEM15_090
تاریخ نمایه سازی: 16 آبان 1402
چکیده مقاله:
استفاده بی رویه از سموم و نهاده های کشاورزی، مشکلات زیست محیطی جبران ناپذیری را بر اکوسیستم کشاورزی وارد می کند. با کاربرد کشاورزی دیجیتال و سامانه های توزیع نرخ متغیر بخش های مختلف یک زمین زراعی را می توان با سطوح مختلفی از سموم ونهاده ها مدیریت کرد، که هم به لحاظ هزینه های تولید و هم به لحاظ مسائل زیست محیطی مفید خواهد بود. در این مطالعه، یک مدل تشخیص علف هرز و گیاه زعفران برای توسعه سامانه مبارزه انتخابی با علف های هرز روینده در مزارع زعفران طراحی و ارزیابی شده است. در مدل تشخیص علف هرز پیشنهادی، از مدل تشخیص اشیا YOLOv۵ الگوبرداری شد بدین نحو که تعدادی از مدول های C۳,CBS از مدل YOLOv۵ به ترتیب با مدول های G host Bottleneck و C۳Ghost جایگزین شدند. این عمل به منظورکاهش تعداد پارامترهای مدل و سبک تر شدن شبکه آن انجام شد، که باعث افزایش سرعت پردازش تصویر در زمان آموزش و اجرای مدل می شود. همچنین، برای افزایش دقت تشخیص مدل پیشنهادی از یک لایه مکانیزم توجه CoordAtt استفاده شد نتایج نشان داد که در مدل پیشنهادی تعداد پارامترها به میزان ۴۷% نسبت به مدل هم رده آن از لحاظ ضرایب عرض و عمق شبکه درنسخه های CoordAtt کمتر است. این در حالی است که دقت تشخیص در مدل پیشناد شده ۳.۹۳% نسبت به گونه ای از الگوریتم YOLOv۵ با بهترین عملکرد بیشتر بود. با توجه به سبک بودن الگوریتم پیشنهادی می توان از آن برای تشخیص زمان - واقعی علف هرز در مزارع کشاورزی برای توسعه سامانه های مبارزه انتخابی به کار برد.
کلیدواژه ها:
نویسندگان
رقیه شاملو
دانشجوی کارشناسی ارشد رشته مکانیک بیوسیستم دانشگاه علوم کشاورزی و منابع طبیعی گرگان
عباس رضایی اصل
عضو هیئت علمی گروه مهندسی مکانیک بیوسیستم، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
علیرضا سلیمانی پور
عضو هیئت علمی گروه مهندسی مکانیک بیوسیستم، دانشگاه علوم کشاورزی و منابع طبیعی گرگان