پهپاد مجهز به دوربین چند طیفی و استفاده از یادگیری عمیق به عنوان روشی نوین برای شناسایی آسیبهای نیشکر
- سال انتشار: 1402
- محل انتشار: نخستین کنفرانس ملی اینترنت اشیا
- کد COI اختصاصی: IOTCONFES01_021
- زبان مقاله: فارسی
- تعداد مشاهده: 122
نویسندگان
دانش آموخته کارشناسی ارشد سنجش از دور و GIS دانشگاه تهران تهران ایرانmorteza.sharif@ut.ac.ir
دانش آموخته دکتری مکانیک بیوسیستم دانشگاه تربیت مدرس تهران ایران
رئیس اداره سنجش از دور و GIS موسسه تحقیقات توسعه نیشکر
مدرس مهندسی صنایع و سیستم ها دانشگاه صنایع و معادن ایران
چکیده
امروزه تصاویر سنجش از دور بویژه هواپیماهای بدون سرنشین برای بهبود بهره وری در کشاورزی گسترش چشمگیری یافته اند. این تکنولوژیهای سنجش از راه دور کاربرد مناسبی در تشخیص چالشهای محیطی دارند. تصاویر پهپاد با توجه به قدرت تفکیک مکانی بالایی که دارند. به عنوان ابزار مناسب در کشاورزی دقیق به شمار میروند همچنین کاربران و کارشناسان بخشهای کشاورزی را قادر می سازند تا برنامه ریزی بهتر محصول تخمین عملکرد محصول شناسایی عوارض تاثیر گذار بر عملکرد محصول پایش زمانمند آبیاری و دیگر مشکلات در مراحل مختلف کشت شامل کاشت داشت و برداشت را انجام دهند با توجه به اینکه عمده فعالیتهای جدید در بخشهای سنجش از دور با تصاویر کم و یا متوسط ارتفاع از سطح زمین سرو کار دارند شناسایی خودکار خطوط کشت نقش مهمی در شناسایی عوارض در هنگام کاشت و بهبود عملکر رشد محصول دارند. از این رو این مطالعه به بررسی خطوط کشت در اراضی نیشکر استان خوزستان به صورت نمونه ای در مزارع تازه گشت کشت و صنعت امیر کبیر میپردازد. برای مطالعه از یک شبکه عصبی کانولوشن برای تقسیم بندی تصاویر سنجش از راه دور پهیاد استفاده شد. سپس خطوط کشت در مراع تازه کاشت برچسب گذاری و از طریق شبکه عصبی Link Net استخراج شد. ادغام داده های مختلف مبتنی بر بهیاد و رویکردهای یادگیری عمیق به عنوان یک ابزار قدرتمند برای طبقه بندی بهینه پدیده ها و با عوارض سطح زمین محصولات کشاورزی ظاهر شده است. با توجه به دقت نهایی ۸۵٫۴ و صحت ۸۰٫۶ در تشخیص عارضه نتایج مطالعه نشان دهنده اهمیت تشخیص چالش پیش روی مزارع تازه کشت نیشکر با استفاده از تصاویر پهپاد و راه حلهای بالقوه آنها برای بهبود عملکرد کشت و کاهش کیفیت رشد مزارع استکلیدواژه ها
کشاورزی دقیق، سنجش از دو،ر پهپاد یادگیری عمیق، LinkNetمقالات مرتبط جدید
- هوشمند سازی صنایع در سایه تاثیرات انقلاب صنعتی چهارم و تحولدیجیتال
- بهبود پیش بینی میزان آلایندگی NO۲ با استفاده از شبکه عصبی روش گروهی مدل سازی داده ها بهبود یافته با الگوریتم بهینه سازی ارشمیدس (مطالعه موردی ایستگاه هواشناسی و آلودگی مهرآباد تهران
- روشهای تخصیص کانال در شبکه های مش بیسیم چند کاناله چند رادیویی
- بررسی تحول ناشی از اینترنت اشیاء مبتنی بر بلاک چین در زنجیره تامین از منظر تلفیقی چندلایه گذار اجتماعی - فنی
- راهکارهای به کارگیری فناوریهای نوین کشاورزی برای توسعه کارآفرینیمورد استان مازندران
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.