تشخیص و شمارش خودکار شب پره مینوز گوجه فرنگی، Tuta absoluta با استفاده از تکنیک یادگیری عمیق

  • سال انتشار: 1402
  • محل انتشار: مجله آفات و بیماریهای گیاهی، دوره: 91، شماره: 2
  • کد COI اختصاصی: JR_JAEN-91-2_002
  • زبان مقاله: فارسی
  • تعداد مشاهده: 168
دانلود فایل این مقاله

نویسندگان

علیرضا شعبانی نژاد

گروه گیاه پزشکی، دانشکده کشاورزی، دانشگاه رازی

عباسعلی زمانی

۱- گروه گیاه پزشکی، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه

مجید ایرانپور مبارکه

دانشکده کامپیوتر و فناوری اطلاعات، دانشگاه پیام نورمبارکه، اصفهان

سعید عباسی

گروه گیاهپزشکی، دانشکده علوم و مهندسی کشاورزی، دانشگاه رازی، کرمانشاه

فرانک رنجبر

گروه خاکشناسی، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه

چکیده

استفاده از فناوری­ های نوین برای تشخیص و اندازه گیری تراکم جمعیت آفات، می­تواند گام مهمی برای تسهیل در اجرای برنامه های مدیریت تلفیقی آفات و کنترل دقیق­تر و موثرتر آن ها باشد. در این پژوهش، از تکنیک یادگیری عمیق و شبکه عصبی کانولوشنال با معماری AlexNet، جهت تشخیص و شمارش خودکار شب پره مینوز گوجه فرنگی Tuta absoluta (Myrick) (Lepidoptera: Gelechiidae)، یکی از آفات کلیدی گیاه گوجه فرنگی در ایران، استفاده شد. برای جمع آوری تصاویر حشرات بالغ T. absoluta، تعداد ۱۵ تله دلتا در دو هکتار از مزارع گوجه فرنگی پردیس کشاورزی و منابع طبیعی دانشگاه رازی، نصب گردد. به منظور تهیه تصاویر، از دوربین عکاسی سونی مدل  DSC-WX۱۰۰ با دقت موثر حسگر ۱۸ مگاپیکسل، استفاده شد. برای ارزیابی عملکرد شبکه عصبی پیچشی با معماری AlexNet از پارامترهای دقت متوسط، دقت و یادآوری استفاده و برای ارزیابی عملکرد در شمارش، از منحنی رگرسیون خطی و ضریب تبیین استفاده شد. پارامترهای دقت متوسط (۹۸/۰)، دقت (۱۰۰) و یادآوری (۱۰۰) نشان از عملکرد بالای شبکه عصبی کانولوشنال در تشخیص شب پره مینوز گوجه فرنگی داشت و همچنین ضریب تبیین (۹۸/۰)، بیانگر دقت بالای شبکه در شمارش این آفت بود. به طور کلی، نتایج نشان داد که شبکه عصبی می­تواند راه­حلی کاربردی برای تشخیص و شمارش دقیق این آفت روی گوجه فرنگی با استفاده از تصاویر گرفته شده ارائه کند.

کلیدواژه ها

شب پره مینوز گوجه فرنگی, معماری AlexNet, یادگیری عمیق

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.