تشخیص زودهنگام بیماریهای گیاهی با استفاده از طیف سنجی تصاویر سنجش از دور و مدل های ساده شبکه های عصبی

تشخیص زودهنگام بیماریهای گیاهی نقش تعیین کننده ای در مدیریت به موقع کاهش خسارت و بهینه سازی مصرف نهاده های شیمیایی دارد. این پژوهش با هدف ارزیابی توانایی روش های غیر تخریبی در شناسایی اولیه بیماری زنگ زرد گندم از ترکیب داده های طیف سنجی، بازتابی تصاویر چند طیفی پهپادی و مدل های ساده شبکه های عصبی استفاده نمود. نمونه برداری میدانی در مزارع استان زنجان انجام شد و داده های طیفی و تصویری از بوته های سالم و آلوده گردآوری شد. تحلیل بازتابندگی نشان داد که تغییرات کلروفیل و ساختار بافتی برگ در مراحل آغازین بیماری موجب کاهش معنی دار بازتاب در باندهای لبه قرمز و فروسرخ نزدیک و همچنین نوسانات محسوس در شاخص ها می شود. تصاویر چندطیفی پهپادی نیز الگوهای پراکنش بیماری را در سطح مزرعه آشکار و تلفیق این داده ها با ویژگی های بافتی دقت مدلسازی را به طور قابل توجهی افزایش داد. در بخش مدلسازی سه الگوریتم شبکه عصبی کانولوشنال ساده، ماشین بردار پشتیبان و جنگل تصادفی مقایسه شدند که مدل CNN با دقت ۰/۸۹، حساسیت ۰/۸۵ و RMSE برابر با ۰/۲۱ بهترین عملکرد را ارائه داد. یافته ها نشان می دهد که ادغام داده های طیفی دقیق با اطلاعات مکانی حاصل از سنجش از دور می تواند به عنوان یک سامانه کارآمد تشخیص زودرس برای پایش بیماری های گیاهی در مقیاس مزرعه مورد استفاده قرار گیرد. این رویکرد علاوه بر افزایش سرعت تشخیص، زمینه را برای کاهش مصرف سموم، اجرای مدیریت تلفیقی آفات و توسعه سامانه های هشدار زودهنگام مبتنی بر پهپاد در مناطق کشاورزی فراهم می سازد.

کلیدواژه ها:

تشخیص زودهنگام بیماری ، طیف سنجی ، سنجش از دور ، بیماری های گیاهی ، شبکه های عصبی مصنوعی