با همکاری انجمن مهندسان مکانیک ایران
نویسنده = سید ایمان ساعدی
کشاورزی دیجیتال، هوشمند و دقیق

طبقه‌بندی هوشمند علف هرز-محصول در مزارع گندم زمستانه: با رویکرد یادگیری عمیق برای کشاورزی پایدار

مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از 02 خرداد 1405

https://doi.org/10.22067/jam.2026.97533.1467

سید ایمان ساعدی، حسن مکاریان

چکیده افزایش بهره‌وری گندم برای حفظ امنیت غذایی در سال‌های آتی یک ضرورت است. یکی از چالش‌های اصلی تولید گندم، وجود علف‌های هرز است که می‌تواند عملکرد آن را تا حد زیادی کاهش دهد. یک عامل کلیدی در تولید پایدار گندم مدیریت دقیق علف‌های هرز بر اساس طبقه‌بندی علف هرز-محصول است. برای این منظور، در مطالعه حاضر، از تصاویر رنگی و راهبردهای یادگیری عمیق برای تشخیص و تمایز گندم زمستانه از چهار علف هرز رایج آن استفاده شد که منجر به ایجاد پنج کلاس مجزا گردید. چهار شبکه یادگیری عمیق شامل Xception، EfficientNetB0، VGG19 و InceptionResNetV2 به‌عنوان شبکه‌های ستون فقرات برای برآورده کردن الزامات طبقه‌بندی تصاویر لحاظ شدند. این شبکه‌ها با استفاده از یادگیری انتقالی در ImageNet از قبل آموزش داده شدند، سپس با لایه‌های اضافی برای بهبود عملکرد در مجموعه داده‌های ما تقویت شدند. با توجه به نتایج به‌دست‌آمده، مدل بهبودیافته InceptionResNetV2 بهترین عملکرد را در بین چهار مدل نشان داد و به دقت 98.17% و خطای 3.19% در داده‌های آزمون دست یافت. همه مدل‌ها عملکرد بسیار خوبی در شناسایی تصاویر کلاس‌های مختلف نشان دادند، به‌طوری‌که میانگین وزنی امتیاز F1 برای مدل‌های مبتنی بر Xception، EfficientNetB0، VGG19و InceptionResNetV2 به‌ترتیب برابر با 97%، 86%، 94% و 98% به‌دست آمد. علاوه‌بر این، پانزده حالت متفاوت از حضور علف‌های هرز در مزارع گندم زمستانه را با تمرکز بر انواع مختلف علف‌های هرز مورد مطالعه، تجزیه و تحلیل شد تا راهبردهای موثر مدیریت علف‌های هرز با استفاده از هر یک از چهار مدل پیشنهاد داده شود. یافته‌های این تحقیق، پایه و اساسی برای توسعه برنامه‌های تلفن همراه یا وجین‌کن‌های رباتیک به‌منظور مدیریت خاص مکانی علف‌های هرز فراهم می‌آورد. این رویکرد می‌تواند در کاهش استفاده از علف‌کش‌ها و کاهش اثرات زیست‌محیطی آن و در عین حال بهبود عملکرد و کیفیت گندم نقش مهمی ایفا نماید.

سامانه‌های تولیدی در محیط های کنترل‌شده

طراحی و پیاده‌سازی دستگاه کشت هیدروپونیک دوار خورشیدی مجهز به سامانه هوشمند آبیاری

دوره 8، شماره 2، 1397، صفحه 279-294

https://doi.org/10.22067/jam.v8i2.61694

سید ایمان ساعدی، رضا علیمردانی، حسین موسی زاده، رضا صالحی

چکیده افزایش نیاز به غذا لزوم اصلاح الگوی کشت با هدف بیشترین تولید محصول، با کمترین مصرف نهاده‌ها و در هر شرایط اقلیمی را ضروری ساخته‌ است. در این راستا، دستگاه کشت هیدروپونیک دوار خورشیدی مجهز به سامانه هوشمند آبیاری طراحی و ساخته شد. در این دستگاه که گیاهان در سینی‌هایی در محیط یک استوانه دوار، رو به محور مرکزی (محل نور مصنوعی) رشد می‌کنند تراکم کشت تا حد زیادی افزایش می‌یابد، بخشی از انرژی مورد نیاز ازطریق پنل‌های فتوولتائیک تأمین شده و آبیاری گیاهان (تماس سینی‌ها با آب مخزن زیرین) با تشخیص نیاز آبی براساس برآوردهای فازی تبخیر و تعرق با ورودی‌های دما، رطوبت هوا و نور صورت می‌گیرد. ارزیابی عملکرد سامانه با کشت کاهو در دو وضعیت آبیاری مبتنی بر تشخیص نیاز آبی (روش فازی) و بدون آن (روش On/Off) صورت گرفت. برطبق نتایج، در کشت فازی، گیاهان به‌طور متوسط روزانه lit 2/18 آب را به‌صورت تبخیر و تعرق از دست دادند. سامانه خورشیدی به‌طور متوسط 51/16% از نیاز سالانه را تأمین نمود و در دو کشت فازی و On/Off به‌ترتیب 58/81% و 48/41‌% انرژی مورد نیاز (در زمستان) از تابش خورشیدی حاصل گردید. تمامی شاخص‌های رشدی گیاه در کشت فازی به‌شکل معنی‌داری از On/Off بهتر بود و برای تولید هر کیلوگرم محصول کاهو در کشت فازی نسبت به On/Off نیاز به 43% مساحت کمتر، 56% آب کمتر و 74% انرژی کمتر بود. در این سامانه در مقایسه با روش مزرعه‌ای، تراکم کشت و میزان آب مورد نیاز برای پرورش هر بوته کاهو به‌طور متوسط به‌ترتیب 12 برابر بیشتر و 15 برابر کمتر بود.

کشاورزی دیجیتال، هوشمند و دقیق

پیش‌بینی میزان تابش‌خورشیدی با استفاده از دمای روزانه و شبکه‌های عصبی‌مصنوعی در اقلیم‌های مختلف آب‌و‌هوایی

دوره 8، شماره 1، 1397، صفحه 197-211

https://doi.org/10.22067/jam.v8i1.62377

سید ایمان ساعدی، رضا علیمردانی، حسین موسی زاده

چکیده برآورد میزان تابش خورشیدی در هواشناسی، کشاورزی و سامانه‌های مبتنی بر این منبع انرژی پاک و تجدیدپذیر اهمیت دارد. در این پژوهش از دمای روزانه که در دسترس‌ترین داده هواشناسی است به‌عنوان تنها پارامتر مورد نیاز در اقلیم‌های مختلف، استفاده و با کمک شبکه‌های عصبی‌مصنوعی مدل‌های پیش‌بینی تابش خورشیدی توسعه داده شد. معیارهای ارزیابی مدل‌ها شامل R، RMSE و MAPE و نمودارهای پراکندگی مقادیر واقعی و پیش‌بینی شده بود. برای تأمین داده‌های طولانی‌مدت و معتبر، ایالت واشنگتن در شمال‌غربی امریکا با 19 ایستگاه هواشناسی در اقلیم‌های مختلف، انتخاب شد. ابتدا، یک ایستگاه با بیشترین داده معتبر برای توسعه شبکه‌های عصبی لحاظ شد. برای آن، مدل‌هایی با سه تابع آموزشی لونبرگ- مارکوارت (LM)، گرادیان توأم مقیاس‌شده (SCG) و تنظیم بیزین (BR) در حالات یک و دولایه پنهان با حداکثر 20 نرون در هرلایه (در مجموع 1260 مدل) توسعه داده شد و شش مدل برتر انتخاب گردید. این مدل‌ها سپس در سایر ایستگاه‌های این ایالت سنجیده شد و در نهایت، دقیق‌ترین و همه جانبه‌ترین آنها برای ارزیابی میزان تابش خورشیدی در اقلیم مشهد به‌عنوان نمونه‌ای از اقلیم داخل کشور انتخاب شد. نتایج نشان داد که شبکه‌های عصبی بیزین دقیق‌ترین پاسخ و الگوریتم SCG با بالاترین سرعت‌های پردازش، کمترین دقت را در ایالت واشنگتن دارد. بررسی کارایی دقیق‌ترین مدل‌ها (شبکه‌های عصبی بیزین) در ایستگاه هواشناسی مشهد نیز حاکی از توانایی آن بود که نشان داد به کمک این شبکه‌ها، با کمترین داده‌های هواشناسی می‌توان به برآورد مناسبی از تابش خورشیدی در اقلیم‌های متفاوت دست‌یافت.

مهندسی پس‌ از برداشت، و فرآوری محصولات کشاورزی

پیش‌بینی حجم، سطح جانبی و ضریب کرویت انار با استفاده از شبکه عصبی مصنوعی MLP

دوره 5، شماره 2، 1394، صفحه 292-301

https://doi.org/10.22067/jam.v5i2.28130

عباس روحانی، سید ایمان ساعدی، هادی گرایلو، محمدحسین آق خانی

چکیده اندازه‌گیری سریع و دقیق خصوصیات هندسی محصولات کشاورزی کاربردهای زیادی در امور مربوط به کاشت، داشت، برداشت و پس از برداشت دارد. محاسبات مربوط به انبارداری و نقل و انتقال، میزان مواد پوشش‌دهنده داده شده به محصولات برای افزایش عمر انبار داری، همچنین تخمین زمان پوست کنی و تعیین میزان تجمع مواد میکروبی روی محصول، از جمله کاربردهای مهم اندازه‌گیری حجم و سطح جانبی می‌‌باشند. ضریب کرویت نیز که یکی از پارامترهایی است که برای کمی کردن اختلاف در شکل میوه‌ها، سبزی‌ها، غلات و بذرها به‌کار می‌رود، در فرآیندهای جداسازی توسط ماشین‌های غربال و نیز قابلیت غلتش روی سطوح دارای اهمیت می‌باشد. استفاده از شبکه عصبی به‌عنوان یک روش سریع و غیرمخرب برای پیش‌بینی خصوصیات فیزیکی محصولات کشاورزی حائز اهمیت می‌‌باشد. در این تحقیق توانایی تکنیک شبکه عصبی مصنوعی به‌عنوان یک روش جایگزین در پیش‌بینی حجم، سطح جانبی و کرویت انار ارزیابی شد. برای این کار از مقایسه آماری پارامترهایی مانند میانگین، واریانس، توزیع آماری و رابطه رگرسیونی بین مقادیر پیش‌بینی شده توسط شبکه عصبی و مقادیر واقعی آنها استفاده شد. طبق نتایج به‌دست آمده مقدار 85/0 ≤p می‌باشد که نشان‌دهنده عدم وجود تفاوت معنی‌داری در سطح 5 درصد بین مقادیر ویژگی‌های آماری مجموعه داده‌های پیش‌بینی شده توسط شبکه عصبی و مقادیر واقعی آنها بود. همچنین ضرایب تبیین بین داده‌های واقعی و پیش‌بینی شده بزرگتر از 9/0 شد.

مهندسی پس‌ از برداشت، و فرآوری محصولات کشاورزی

بررسی عملکرد یک خشک کن خورشیدی مجهز به سامانه گردش هوای بسته و محفظه جاذب رطوبت

دوره 3، شماره 2، 1392، صفحه 92-103

https://doi.org/10.22067/jam.v3i2.25164

محمدحسین آق خانی، محمد حسین عباسپورفرد، محمدرضا بیاتی، حمید مرتضی پور، سید ایمان ساعدی، علی مقیمی

چکیده همواره در فرآیند خشک کردن، انرژی بسیار زیادی مصرف می‌شود. برای صرفه جویی در مصرف انرژی، استفاده مستقل و یا ترکیبی از انرژی خورشیدی از روش های معمول در خشک کردن محصولات کشاورزی می باشد. در تحقیق حاضر، عملکرد یک خشک کن خورشیدی با جریان هوای اجباری، مجهز به سامانه ی گردش هوای بسته، که مناسب خشک کردن محصولات با ارزش در حجم کم از قبیل گیاهان دارویی و زعفران است؛ بررسی شد. خشک کن مورد ارزیابی شامل جمع کننده ی خورشیدی، محفظه ی محصول، محفظه ی مواد جاذب رطوبت سیلیکاژل، دمنده، کانال های عبور هوا و سامانه ی اندازه گیری و کنترل بود. به منظور بررسی عملکرد دستگاه از گیاه نعناع استفاده شد و نرخ خشک شدن و میزان انرژی مصرفی در سه سطح فاکتور دما (40، 45 و 50 درجه سیلسیوس) و در دو حالت سامانه ی گردش هوای باز و بسته اندازه گیری و مقایسه شد. نتایج تحقیق نشان داد که سامانه گردش هوای بسته تأثیر بسیار معنی داری بر انرژی مصرفی و بازده خشک کن دارد. افزایش دمای هوای خشک کننده در سامانه ی هوای باز، باعث کاهش زمان و بازده خشک شدن و افزایش انرژی مصرفی شد. در حالی که در سامانه ی گردش هوای بسته، با افزایش دما؛ انرژی مصرفی کاهش، بازده خشک کن و سرعت خشک شدن افزایش یافت. بیشترین بازده خشک کن مربوط به تیمار دمای 50 درجه سیلسیوس و سامانه ی گردش هوای بسته بود. در نهایت متوسط بازده ی جمع کننده ی خورشیدی و بیشترین بازده خشک کن به ترتیب 34/0 و 41/0 به دست آمدند.

ماشین‌های کشاورزی و غیر جاده‌ای

بهینه سازی و تحلیل یک اهرم بندی λ- شکل خط مستقیم برای طراحی گاوآهن بشقابی دوطرفه

دوره 2، شماره 2، 1391

https://doi.org/10.22067/jam.v2i2.15092

سید ایمان ساعدی، محمدحسین آق خانی، عبدالعلی فرزاد

چکیده گاوآهن بشقابی یکی از ادوات مهم خاکورزی اولیه می باشد که بکارگیری نوع دوطرفه آن بخاطر امکان انجام شخم با الگوی پیوسته موجب صرفه جویی در وقت و هزینه و افزایش بازده فرایندهای زراعی بعدی می گردد. در این مقاله یک اهرم بندی چهار میله ای λ شکل خط مستقیم (مکانیزم دانیل) برای تبدیل گاوآهن بشقابی یکطرفه به دوطرفه استفاده گردید. در این تبدیل، طراحی مکانیزم جابجایی شاسی حامل بشقاب ها و نیز چرخ شیار عقبی در راستای افق به میزان مناسب و تثبیت حرکت گاوآهن به هنگام کار در خاک در کنار ایجاد قابلیت های جدیدی مثل مکانیزم تغییر زاویه تمایل طولی بشقاب ها و وضعیت ترابری لحاظ گردیده است. مقادیر مناسب جابجایی شاسی حامل بشقاب ها با تحلیل ابعادی مکانیزم دانیل و بدست آوردن یک رابطه ریاضی صورت پذیرفت. برای تأمین حرکت مناسب چرخ شیار عقبی یک رابط به اهرم بندی موجود اضافه گردید. مکانیزم پنج رابطی حاصل سپس از لحاظ حرکتی و نیرویی تحلیل شد و نمودارهایی برای تحلیل های مذکور ترسیم گردید. گاوآهن جدید به سبب طراحی ساده و دارا بودن حداقل قطعات مکانیکی کمکی خصوصیات شاخصی مثل کاربری آسان، هزینه ساخت پایین، حداقل نیاز به سرویس و نگهداری و امکان اجرا بر روی گاوآهن های بشقابی یک طرفه موجود را خواهد داشت که این مزایا می تواند سبب افزایش اقبال کشاورزان در استفاده از گاوآهن دوطرفه گردد. در این مقاله مدل سازی و تحلیل مکانیزم به کمک نرم افزار CATIA صورت پذیرفته است.