پردازش تصویر
محمد فلاح؛ عبادت قنبری پرمهر
چکیده
در بین محصولات کشاورزی، برنج یکی از اصلی‌ترین منابع غذایی در کشورهای خاورمیانه، به‌ویژه ایران است. مقابله موثر و به‌هنگام با آفات مزارع برنج، یکی از بزرگ‌ترین چالش‌های پیش رو در زمینه زراعت این محصول است. کرم ساقه‌خوار برنج (Chilo suppressalis) از آفات کلیدی گیاه برنج در شمال ایران می‌باشد. در حال حاضر، تشخیص نوع آفت‌هایی که به مزارع برنج ...
بیشتر
در بین محصولات کشاورزی، برنج یکی از اصلی‌ترین منابع غذایی در کشورهای خاورمیانه، به‌ویژه ایران است. مقابله موثر و به‌هنگام با آفات مزارع برنج، یکی از بزرگ‌ترین چالش‌های پیش رو در زمینه زراعت این محصول است. کرم ساقه‌خوار برنج (Chilo suppressalis) از آفات کلیدی گیاه برنج در شمال ایران می‌باشد. در حال حاضر، تشخیص نوع آفت‌هایی که به مزارع برنج هجوم می‌برند به نیروی انسانی و تجربه کافی متکی است. تشخیص آفت در مراحل اولیه به‌منظور به حداقل رساندن خسارت به‌عنوان اقدام پیشگیرانه ضروری است. توسعه هوش مصنوعی و الگوریتم‌های یادگیری ماشین، دریچه جدیدی را در صنایع مختلف از جمله کشاورزی صنعتی ایجاد کرده است. با استفاده از یادگیری ماشین می‌توان تا حدود زیادی از خطا‌های موجود در شناسایی آفت جلوگیری کرد. از طرف دیگر در سال‌های اخیر همگانی شدن استفاده از تلفن همراه هوشمند و توسعه شیوه دریافت اطلاعات داوطلبانه، امکان پایش خودکار به‌منظور کاهش نیروی انسانی برای کشاورزان فراهم شده است. هدف از این تحقیق، شناسایی خودکار کرم ساقه‌خوار برنج با استفاده از تصاویر تلفن همراه و معرفی و توسعه یک برنامه کاربردی برای کشاورز جهت شناسایی دقیق آفت است. از برنامه کاربردی توسعه‌داده شده برای کشاورز به‌منظور دریافت تصاویر کرم ساقه‌خوار برنج برای آموزش شبکه عصبی عمیق استفاده شد. سپس، با استفاده از تکنیکهای یادگیری عمیق به آموزش مدل پرداخته شد. نتایج حاصل نشان داد که مدل آموزش‌دیده با استفاده از تصاویر تلفن هوشمند با دقت 92 درصد و صحت 88 درصد عملکرد مناسبی در تشخیص آفت کرم ساقه‌خوار دارد.
