بررسی توانایی شبکه های عصبی پیچشی به منظور شناسایی علف های هرز

الگوریتم های هوش مصنوعی می توانند در مدیریت محصولات کشاورزی بسیار موثر باشند. این الگوریتم ها می توانند داده های بزرگ و پیچیده را تحلیل کنند و الگوها، روندها و اطلاعات مفهومی را استخراج کنند. همچنین، با ترکیب کشاورزی با هوش مصنوعی، این صنعت در بخش های مختلف خود، از شکل سنتی خارج شده و وارد مسیر تکاملی شده است. از این رو، بکارگیری روش های نوین در صنعت کشاورزی یک ضرورت جدی است. استفاده از حسگرها و ابزارهای تعبیه شده در تکنولوژی های پهپادها، می تواند عوارض مربوط به مزارع را تشخیص دهد. با این هدف، تمرکز مطالعه حاضر، بررسی کاربردهای شبکه عصبی پیچشی در کشاورزی به منظور تشخیص علف های هرز، با استفاده از حسگرها و ابزارهای تعبیه شده در تکنولوژی های ماشین آلات و پهپادها است. برای انجام این کار، یک مزرعه ۲۵ هکتاری از واحد کشت و صنعت نیشکر امیرکبیر انتخاب شد. سپس، به منظور آنالیز شرایط مزرعه، تصویربرداری مزارع توسط پهپاد مدل eBee SQ صورت گرفت. تصاویر دریافتی با استفاده از شبکه عصبی LeNet-۵ پردازش و نقشه علف های هرز در سطح مزرعه تهیه گردید. نتایج دقت کلی نقشه تهیه شده %۸/۸۸، همچنین علف هرز و نیشکر به ترتیب با دقت ۰/۹۵ و ۰/۴۴ بدست آمدند. این نتایج نشان دهنده توانایی مناسب این فناوری در شناسایی موقعیت بخش های از مزرعه که علف های هرز می باشد. این نقشه ها در صرفه جویی مصرف بیش از حد آفت کش ها و علف کش ها از سطح مزرعه و جلوگیری از صدمه وارد شدن به محصول هنگام استفاده از ابزارآلات سنگین همچون تراکتور ارزشمند هستند. از طرف دیگر، استفاده بهینه از نیروی انسانی و افزایش بهره وری را به دنبال خواهد داشت. همچنین مدل سازی های اولیه، دید دقیق تری به مدیران و کارشناسان کشاورزی می دهد تا مروری مختصر در مورد استفاده و پیاده سازی شبکه های عصبی در عرصه کشاورزی و سیستم های وجین علف های هرز از طریق تکنولوژی های جدید و تصاویر سنجش از دور داشته باشند.

کلیدواژه ها:

نیشکر ، هواپیماهای بدون سرنشین ، یادگیری عمیق ، LeNet-۵