پردازش تصویر
محمد فلاح؛ عبادت قنبری پرمهر
چکیده
در بین محصولات کشاورزی، برنج یکی از اصلی‌ترین وعده غذایی در کشورهای خاورمیانه، به ویژه ایران است. مقابله موثر و به هنگام با آفات مزارع برنج، یکی از بزرگ‌ترین چالش‌های پیشرو 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 وعده غذایی در کشورهای خاورمیانه، به ویژه ایران است. مقابله موثر و به هنگام با آفات مزارع برنج، یکی از بزرگ‌ترین چالش‌های پیشرو 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 به منظور به حداقل رساندن خسارت به عنوان 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 به منظور 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 توسعه داده شده برای کشاورز به منظور دریافت تصاویرکرم ساقه خوار 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 آموزش دیده با استفاده از تصاویر تلفن هوشمند با دقت 92 درصد و صحت 88 درصد عملکرد مناسبی در تشخیص آفت کرم ساقه‌خوار دارد.
کشاورزی دقیق
فاطمه نادرنژاد؛ دین محمد ایمانی؛ محمد رضا رسولی
چکیده
پیش‌بینی عملکرد محصول یکی از مسائل مهم در حوزه‌ی کشاورزی می‌باشد و به عوامل مختلفی از جمله شرایط آب‌وهوایی، ویژگی‌های خاک، ویژگی‌های محصول و برنامه‌های مدیریتی وابسته می‌باشد. پیش‌بینی دقیق عملکرد محصول می‌تواند در تصمیم‌گیری‌ها و بهینه‌سازی فرآیندها به کشاورزان و صنایع وابسته به کشاورزی کمک نماید و در نهایت منجر به افزایش ...
بیشتر
پیش‌بینی عملکرد محصول یکی از مسائل مهم در حوزه‌ی کشاورزی می‌باشد و به عوامل مختلفی از جمله شرایط آب‌وهوایی، ویژگی‌های خاک، ویژگی‌های محصول و برنامه‌های مدیریتی وابسته می‌باشد. پیش‌بینی دقیق عملکرد محصول می‌تواند در تصمیم‌گیری‌ها و بهینه‌سازی فرآیندها به کشاورزان و صنایع وابسته به کشاورزی کمک نماید و در نهایت منجر به افزایش تولید شود. نیشکر یکی از مهمترین محصولات استراتژیک کشاورزی و منبع تأمین شکر در جهان می‌باشد. هدف پژوهش حاضر پیش‌بینی و بررسی عوامل مؤثر بر میزان شکر استحصالی از نیشکر در مزارع شرکت کشتوصنعت نیشکر امیرکبیر با استفاده از الگوریتم‌های یادگیری ماشین می‌باشد. دادههای جمعآوری شده برای این پژوهش مربوط به بازه زمانی سال‌های 1396-1389 شامل 3223 نمونه می‌باشد که شامل چهار مجموعه داده آب‌وهوایی، محصول، خاک و مدیریت مزرعه می‌باشد. برای مدلسازی پژوهش از الگوریتم‌های جنگل تصادفی، آدابوست، تقویت گرادیان حداکثری و ماشین بردار پشتیبان استفاده شده و در محیط ژوپیترنوتبوک پایتون پیادهسازی شدهاند. مدل جنگل تصادفی با صحت 92.2% برای پیش‌بینی شکر استحصالی در بین مدلهای ارائه شده بهترین عملکرد را دارد.
