استفاده از تکنیک پردازش تصویر و شبکه‌های عصبی مصنوعی برای شناسایی علف‌های‌هرز مزارع ذرت

Abstract

علف‌های‌هرز به صورت لکه‌ای در مزرعه سبز می‌شوند. سمپاشی لکه‌ای علف‌های‌هرز، موجب کاهش مصرف علف‌کش‌ها، هزینه و آلودگی محیط زیست می‌شودد. برای تصمیم‌گیری در زمینه کنترل توسط فن آوریِ بینایی ماشین که در سمپاشی لکه‌ای به کار می‌رود، به تصویر و پردازش آن نیاز است. شناسایی درست علف‌های‌هرز و طبقه‌بندی آن‌ها، کلید اتخاذ تصمیمات کنترلی و اجرای عملیات سمپاشی است. در این تحقیق، روشی مبتنی بر ترکیب پردازش تصویر، برای جداسازی علف‌های‌هرز از سایر اجزای تصویر و شبکۀ عصبی مصنوعی برای طبقه‌بندی پیشنهاد شده است. علف‌های‌هرز شامل تاج خروس ریشه قرمز،سلمه تره، آفتاب پرست<em>، </em>تاج خروسخوابیده<em> ، </em>تاج ریزی، سوروف و گاورس بودند. نتایج نشان داد که این الگوریتم، با دقت قابل قبولی علف‌های‌هرزرا از خاک جداسازی کرد. در گام بعد، ویژگی‌های مرتبط با رنگ و شکل، از علف‌های‌هرز استخراج شدند. سرانجام، به منظور طبقه‌بندی هفت کلاس علف‌هرز، از روش شبکه عصبی مصنوعی پرسپترون، با ساختار 7 -15-15-43 و میانگین دقت کل 71/88 درصد استفاده شد. نتایج حاصل از این مطالعه نشان داد که سامانه پیشنهادی، توانایی تشخیص علف‌های‌هرز با دقت مناسب را دارد. کاربرد چنین سامانه هایی می‌تواند با تشخیص به موقع علف‌های‌هرز و کاهش مصرف علف‌کش‌ها، بروز پدیده مقاومت علف‌های‌هرز به علف‌کش‌ها را به تاخیر اندازد و آلودگی‌های زیست محیطی را کاهش دهد.