سجاد سبزی - دانشجوی دکتری مکانیک ماشینهای کشاورزی دانشگاه محقق اردبیلی- اردبیل، ایران
یوسف عباس پورگیلانده - استاد گروه مکانیک بیوسیستم دانشگاه محقق اردبیلی- اردبیل، ایران
زهرا بساطی - دانشجوی دکتری مکانیک ماشینهای کشاورزی دانشگاه محقق اردبیلی- اردبیل، ایران

استفاده از سیستم مدیریتی کشاورزی دقیق به منظور مبارزه با علف های هرز، سلامتی بشر، عدمآلودگی محیط زیست و آبهای زیرزمینی را تضمین می کند. در حقیقت روش سمپاشی خاص مکانی که جزوعملیات کشاورزی دقیق میباشد، متناسب با تعداد و نوع علف های هرز اقدام به سمپاشی می کند و بنابراینمیزان استفاده از علف کش ها به شدت کاهش می یابد. به همین دلیل در این مطالعه یک سیستم ماشین بیناییمبتنی بر پردازش ویدئو به منظور تشخیص گیاه سیب زمینی از علف های هرز مختلف در راستای سمپاشیخاص مکانی ارائه گردید. به منظور آموزش و آزمون سیستم ماشین بینایی ارائه شده، از 2 هکتار سیب زمینیرقم مارفونا در استان کرمانشاه استفاده شد. این سیستم با سرعت 13 سانتیمتر بر ثانیه فیلمبرداری را انجامداد. پس از عملیات قطعه بندی از هر شیء 142 خصوصیت در دو حوزه رنگی و ماتریس هم وقوعی سطحخاکستری استخراج گردید. با استفاده از روش هیبرید شبکه عصبی مصنوعی- الگوریتم بهینه سازی ازدحامذرات از میان 142 خصوصیت استخراجی، خصوصیات موثر انتخاب شدند و به منظور طبقه بندی گیاهسیب زمینی و انواع مختلف علف های هرز، به سیستم های مختلف طبقه بند هیبرید شبکه عصبی مصنوعی-الگوریتم بهینه سازی ازدحام ذرات ارائه شدند. نتایج نشان داده که میزان دقت، ویژگی و حساسیت طبقه بندهیبرید شبکه عصبی مصنوعی – الگوریتم بهینه سازی ازدحام ذرات برای هر دو کلاس بیشتر از 96 درصد بود.

پردازش ویدئو، خاص مکانی، طبقه بندی، علف های هرز، هوش مصنوعی