پردازش تصویر
مریم نداف زاده؛ احمد بناکار؛ سامان آبدانان مهدی زاده؛ محمدرضا زارع بوانی؛ سعید مینایی
چکیده
در کشاورزی دقیق، مکان‌یابی خودکار محصولات یکی از موضوعات تحقیقاتی مهم است. در این پژوهش شناسایی دقیق ردیف‌های کشت محصول ریحان به‌منظور مسیریابی خودکار یک ربات گزارش می‌شود. در یک مرحله از این تحقیق با اخذ تعداد شش تصویر در هر دوره‌ی رشد (هفته سوم، هفته چهارم و هفته پنجم) به حذف علف‌های هرز میان ردیف‌های کشت محصول پرداخته شد؛ که ...
بیشتر
در کشاورزی دقیق، مکان‌یابی خودکار محصولات یکی از موضوعات تحقیقاتی مهم است. در این پژوهش شناسایی دقیق ردیف‌های کشت محصول ریحان به‌منظور مسیریابی خودکار یک ربات گزارش می‌شود. در یک مرحله از این تحقیق با اخذ تعداد شش تصویر در هر دوره‌ی رشد (هفته سوم، هفته چهارم و هفته پنجم) به حذف علف‌های هرز میان ردیف‌های کشت محصول پرداخته شد؛ که بدین منظور از سه روش مختلف (گشودگی مساحت، حذف ابعادی و ماسک‌گذاری) استفاده گردید. در مرحله‌ای دیگر تعداد شش تصویر از ردیف‌های کشت بدون وجود علف‌های هرز مورد بررسی قرار گرفت. سپس با انجام عملیات پردازش تصویر و پیاده‌سازی چندین الگوریتم مسیریابی (الگوریتم‌های مبتنی بر تبدیل هاف، تبدیل موجک، فیلتر گابور، رگرسیون خطی و الگوریتم پیشنهادی این مطالعه) بر روی تصاویر، به بررسی خروجی هر یک از این الگوریتم‌ها نسبت به مسیر ایده‌آل تعیین‌شده توسط کاربر پرداخته شد. پس از مقایسه‌ی دقیق مسیرهای تشخیص داده شده توسط الگوریتم‌های مختلف مسیریابی نسبت به مسیرهای ایده‌آل و با توجه به نتایج آزمون آماری t-test در سطح احتمال 5%، برتری روش‌های مسیریابی مورد مطالعه به‌ترتیب زیر مشخص گردید: روش پیشنهادی، روش فیلتر گابور، روش رگرسیون خطی، روش تبدیل هاف و روش تبدیل موجک. در نهایت الگوریتم پیشنهادی با بیشترین میزان انطباق نسبت به مسیر ایده‌آل (با میانگین خطای تشخیص 3.65 پیکسل) و کمترین مدت زمان اجرای عملیات (4.79 ثانیه) به‌عنوان مناسب‌ترین الگوریتم مسیریابی انتخاب و با استفاده از آن عملکرد یک ربات طراحی‌شده مورد ارزیابی قرار گرفت.
پردازش تصویر
سامان آبدانان مهدی زاده
چکیده
با وجود کاهش شدید منابع آبی ایران و رشد روزافزون جمعیت، نیاز به تولید غذا و محصولات کشاورزی بیش از گذشته است. در گذشته، اغلب کاشت گیاهان به‌صورت کشت مستقیم بذر صورت می‌پذیرفت و منابع آبی بسیار خصوصا آب‌های زیرزمینی برای کشت مستقیم بذر و جوانه‌زنی گیاه مصرف می‌شد. از جمله روش‌های کاهش مصرف آب، کود و سموم کشت نشایی به‌جای کشت مستقیم ...
بیشتر
با وجود کاهش شدید منابع آبی ایران و رشد روزافزون جمعیت، نیاز به تولید غذا و محصولات کشاورزی بیش از گذشته است. در گذشته، اغلب کاشت گیاهان به‌صورت کشت مستقیم بذر صورت می‌پذیرفت و منابع آبی بسیار خصوصا آب‌های زیرزمینی برای کشت مستقیم بذر و جوانه‌زنی گیاه مصرف می‌شد. از جمله روش‌های کاهش مصرف آب، کود و سموم کشت نشایی به‌جای کشت مستقیم بذر است. لذا هدف از پژوهش حاضر مدل‌سازی دینامیکی و ساخت سامانه کاشت بذر در سینی نشاء در نظر گرفته شد. بدین منظور ابتدا یک بازوی کارنده مدل‌سازی و موقعیت کارنده در هر لحظه به‌دست آمد. سپس براساس مدل‌سازی دینامیکی بازو ساخته و عملیات کشت بذر در سینی نشاء صورت پذیرفت. ارزیابی سامانه کاشت دو سطح سرعت پیشروی 5 و 10 سانتیمتر بر ثانیه برای بذر چغندرقند انجام گرفت که ظرفیـت نامی این بذرکار بین 3579 تا 4613 سلول در ساعت بود. در ضمن شاخص‌های نکاشت و چندگانه کاشت در 3000 سلول نیز به‌ترتیب 0.03 و 8.17 درصد به‌دست آمد. با توجه به دقت کاشت، سرعت عملکرد کارنده و همچنین مصرف اندک انرژی (25.56 واتساعت) این سامانه توانایی جایگزینی بذرکاری دستی در سینی نشاء را دارد.
پردازش تصویر
شهرزاد فلاحت نژاد ماهانی؛ اعظم کرمی
چکیده
در سال‌های اخیر استفاده از یادگیری عمیق در کشاورزی دقیق به‌منظور تشخیص و شمارش آفات و یا بیماری‌های گیاهان، سمپاشی هوشمند، تخمین سطح زیر کشت و نظارت بر روند رشد گیاهان جهت مقابله با عوامل بازدارنده و یا کاهش‌دهنده رشد و با هدف افزایش بهره‌وری محصولات کشاورزی به سرعت رو به افزایش است. در این مقاله، به طراحی الگوریتمی برگرفته از ...
بیشتر
در سال‌های اخیر استفاده از یادگیری عمیق در کشاورزی دقیق به‌منظور تشخیص و شمارش آفات و یا بیماری‌های گیاهان، سمپاشی هوشمند، تخمین سطح زیر کشت و نظارت بر روند رشد گیاهان جهت مقابله با عوامل بازدارنده و یا کاهش‌دهنده رشد و با هدف افزایش بهره‌وری محصولات کشاورزی به سرعت رو به افزایش است. در این مقاله، به طراحی الگوریتمی برگرفته از شبکه عصبی عمیق YOLOv5s جهت تشخیص و شمارش خودکار کاکل‌های گیاه ذرت پرداخته شده است. برای این منظور، از تصاویر اخذ شده توسط پهپاد از مزرعه ذرت در دو تاریخ متفاوت جهت آموزش و ارزیابی شبکه استفاده گردیده و با توجه به نوع و اندازه داده به اعمال تغییراتی در معماری و تابع فعال‌سازی الگوریتم اصلی YOLOv5s با هدف افزایش تعداد پارامترهای شبکه، کاهش بیش برازش و افزایش دقت تشخیص پرداخته شد و الگوریتم Modified YOLOv5s که به اختصار MYOLOv5s نام دارد به‌عنوان نسخه بهبودیافته YOLOv5s با قابلیت شناسایی و شمارش کاکل‌های ذرت با مقادیر ضریب تبیین (R2) 99.28 درصد و دقت متوسط (AP) 95.30 درصد حاصل شد. همچنین، عملکرد روش پیشنهادی به‌کار گرفته شده در این مقاله با الگوریتم‌های معتبر معرفی شده در این زمینه ,TasselNetv2+ Faster R-CNN و RetinaNet مقایسه گردید. نتایج به‌دست‌آمده نشان می‌دهد که مقادیر ضریب تبیین برای این سه شبکه به‌ترتیب 77.86، 86.83 و 95.53 درصد می‌باشد. همچنین برای الگوریتم‌های Faster R-CNN و RetinaNet مقادیر دقت متوسط 76.99 و 77.66 درصد به‌دست آمد. این نتایج نشان می‌دهند که الگوریتم MYOLOv5s حداکثر مقادیر ضریب تبیین R2 و دقت متوسط (AP)، دقت (Precision) و یادآوری (Recall) را دارد که بیانگر کارایی بالای روش پیشنهادی در تشخیص کاکل ذرت است. شایان ذکر است MYOLOv5s با دارا بودن سرعت پردازش 84 فریم بر ثانیه سریع‌ترین روش در تشخیص کاکل ذرت محسوب می‌گردد.
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.
پردازش تصویر
داود محمدزمانی؛ سید محمد جاویدان؛ معین زند؛ محمد رسولی
چکیده
در این مطالعه، یک رویکرد شبکه عصبی برای تعیین محل دقیق میوه خیار بر روی تصاویر گلخانه‌ای پیشنهاد شده است. برای این منظور پس از متعادل کردن هیستوگرام روشنایی تصویر مورد نظر، تصویر را با پنجره‌ای حاوی تصویر میوه خیار ضرب می‌کند که باعث می‌شود در مناطق مشکوک به خیار ضرایب بزرگ‌تری به‌دست آید. با استخراج این حداکثرهای محلی، خوشه‌هایی ...
بیشتر
در این مطالعه، یک رویکرد شبکه عصبی برای تعیین محل دقیق میوه خیار بر روی تصاویر گلخانه‌ای پیشنهاد شده است. برای این منظور پس از متعادل کردن هیستوگرام روشنایی تصویر مورد نظر، تصویر را با پنجره‌ای حاوی تصویر میوه خیار ضرب می‌کند که باعث می‌شود در مناطق مشکوک به خیار ضرایب بزرگ‌تری به‌دست آید. با استخراج این حداکثرهای محلی، خوشه‌هایی از نقاط اولیه به‌عنوان پنجرههای احتمالی وجود خیار به‌دست میآید. سپس برای تشخیص دقیق محل قرارگیری خیارها، این نقاط و نواحی اطراف آن‌ها به یک شبکه عصبی که با استفاده از تعدادی تصویر شامل تصاویر خیار، تصاویر غیر خیار و پاسخ بهینه آن‌ها آموزش داده شده است، ارجاع داده می‌شود. مناطق به‌دست‌آمده از این شبکه منجر به تشخیص دقیق محل خیارها در تصویر شد. روش پیشنهادی در جعبه ابزار Simulink نرمافزار متلب پیاده‌سازی شد. سپس روش پیشنهادی با استفاده از این ساختار شبکه شبیهسازی شد و بر روی 120 تصویر به‌دست‌آمده از یک گلخانه توسط دوربین دیجیتال آزمایش شد. این روش خطای پایینی داشت و توانست نرخ بالایی را در زمان مناسب میوههای خیار در تصاویر کشفشده تشخیص دهد.
پردازش تصویر
آرش مصری؛ فاطمه رحیمی اجدادی؛ ایرج باقری
چکیده
سنجش از دور، یکی از ابزارهای کارآمد برای بررسی روند تغییرات سطح زیرکشت محصولات کشاورزی و باغی در سطوح وسیع و زمان کوتاه است. سیاست‌گذاران با آگاهی از این اطلاعات، می‌توانند تصیمات صحیح و به‌موقعی داشته باشند. مطالعه‌ی حاضر، با هدف تخمین سطح زیرکشت شالیزارهای برنج در بخش کیاشهر استان گیلان انجام شد. از تصاویر سنجنده TM ماهواره لندست ...
بیشتر
سنجش از دور، یکی از ابزارهای کارآمد برای بررسی روند تغییرات سطح زیرکشت محصولات کشاورزی و باغی در سطوح وسیع و زمان کوتاه است. سیاست‌گذاران با آگاهی از این اطلاعات، می‌توانند تصیمات صحیح و به‌موقعی داشته باشند. مطالعه‌ی حاضر، با هدف تخمین سطح زیرکشت شالیزارهای برنج در بخش کیاشهر استان گیلان انجام شد. از تصاویر سنجنده TM ماهواره لندست 5 و سنجنده OLI ماهواره لندست 8 به‌منظور تهیه نقشه‌های کاربری اراضی استفاده شد. ابتدا، تصحیح هندسی و اتمسفری بر روی تصاویر صورت گرفت. سپس، با استفاده از الگوریتم طبقه‌بندی نظارت شده حداکثر احتمال، نقشه‌های کاربری اراضی منطقه با هفت کاربری شامل اراضی برنج، جنگل نیمه‌انبوه، جنگل تنک، مناطق مسکونی، مناطق آبی، پهنه‌های ماسه‌ای و سایر اراضی تهیه شد. در ادامه، مساحت هر یک از کاربری‌ها محاسبه شد و روند تغییرات، مورد مقایسه قرار گرفت. دقت کلّی و ضریب کاپای طبقه‌بندی به‌ترتیب معادل 98.45% و 0.98 برای سال 2000، 97.59% و 0.97 برای سال 2010 و 98.72% و 0.98 برای سال 2020 به‌دست آمد. نتایج نشان داد که اراضی برنج در یک بازه 20 ساله، با کاهش 6.94 درصدی همراه بوده، به‌طوری‌که مساحت آن از 11080.66 هکتار در سال 2000 به 10311.69 هکتار در سال 2020 رسیده است. همچنین، در این مدّت مناطق مسکونی و جنگل‌های تنک به‌میزان 67.94 و 18.73 درصد رشد کرده‌اند، اما جنگل‌های نیمه‌انبوه، مناطق آبی و پهنه‌های ماسه‌ای به‌ترتیب 61.32، 4.91 و 61.48 درصد کاهش داشتند. با توجه به نتایج، توجه جدّی به تغییر کاربری اراضی برنج و تخریب جنگل‌ها ضروری می‌باشد.
پردازش تصویر
زینب عزیزپور؛ حسنعلی واحدی؛ علی نجات لرستانی
چکیده
استراتژی مدیریت تلفیقی آفات (IPM)، به پایش پیوسته جمعیت آفات وابسته است، این کار نه تنها زمان‌بر است، بلکه وابستگی زیادی به داوری انسان دارد و پر هزینه نیز می‌باشد. استفاده از روش‌های هوش مصنوعی به جای تصمیم‌گیری‌های دستی و انسانی، علاوه بر این که سبب افزایش بهره‌وری می‌گردد، از دقت بالایی نیز برخوردار است. پسته، یک محصول تجاری ...
بیشتر
استراتژی مدیریت تلفیقی آفات (IPM)، به پایش پیوسته جمعیت آفات وابسته است، این کار نه تنها زمان‌بر است، بلکه وابستگی زیادی به داوری انسان دارد و پر هزینه نیز می‌باشد. استفاده از روش‌های هوش مصنوعی به جای تصمیم‌گیری‌های دستی و انسانی، علاوه بر این که سبب افزایش بهره‌وری می‌گردد، از دقت بالایی نیز برخوردار است. پسته، یک محصول تجاری است و هر ساله خسارت زیادی توسط حشرات به تولیدکنندگان این محصول وارد می‌شود. گروهی از آفات پسته عمدتاً از میوه پسته تغذیه می‌کنند، که از این گروه زنجرک پسته، دارای اهمیت زیادی می‌باشد. در این تحقیق زنجرک پسته به‌عنوان حشره هدف جهت شناسایی انتخاب شد. برای جمع‌آوری نمونه‌ها از کارت‌های زرد چسبنده استفاده شد. 357 خصوصیت رنگی و 20خصوصیت شکلی برای شناسایی زنجرک پسته به‌وسیله الگوریتم پردازش تصویر استخراج شد. خصوصیات رنگی به دو دسته‌ی خصوصیات مربوط به میانگین و انحراف‌معیار و خصوصیات مربوط به شاخص‌های سبزی تقسیم شدند. از 17 فضای رنگی مختلف مثل RGB، HSV و غیره برای استخراج خصوصیات و از روش هیبرید شبکه عصبی مصنوعی-الگوریتم بهینه‌سازی ازدحام ذرات (ANN-PSO) برای انتخاب خصوصیات مؤثر استفاده گردید. خصوصیات مؤثر انتخابی جهت طبقه‌بندی حشرات عبارتند از: شاخص رنگی برای پوشش گیاهی استخراجی مربوط به فضای رنگی HSL، شاخص تفاضل نرمال شده مربوط به فضای رنگی LCH، کانال خاکستری مربوط به فضای رنگی YCbCr، شاخص مؤلفه دوم منهای مؤلفه سوم مربوط به فضای رنگی YCbCr، مساحت و میانگین مؤلفه های اول، دوم و سوم فضای رنگی Luv. نرخ شناسایی الگوریتم پردازش تصویر طراحی شده، 99.72درصد کل اشیا (زنجرک پسته، سوسک چوب‌خوار قرمز پسته و سایر حشره‌های غیر هدف و متفرقه) می‌باشد. شبکه‌های عصبی مصنوعی، توانایی طبقه‌بندی حشرات به سه کلاس (زنجرک پسته، سوسک چوب‌خوار قرمز پسته و سایر حشره‌های غیر هدف و متفرقه) و دو کلاس (زنجرک پسته و سوسک چوب‌خوار قرمز پسته) به‌ترتیب با دقت 91.53 و 99.59 درصد را دارند.
پردازش تصویر
علی یوسفوند؛ جعفر امیری پریان
چکیده
کنترل بیماری‌ها و آفات گردو مستلزم تعیین نقشه گستردگی آلودگی‌ها در کمترین زمان ممکن می‌باشد. پردازش تصویر به‌عنوان رویکردی برای تعیین میزان و نوع آسیب‌دیدگی محصولات مختلف در مزارع و باغات ارائه شده است. هدف از انجام این پژوهش، تشخیص بیماری آنتراکنوز برگ درختان گردو با استفاده از روش پردازش تصویر می‌باشد. تشخیص بیماری در باغ ...
بیشتر
کنترل بیماری‌ها و آفات گردو مستلزم تعیین نقشه گستردگی آلودگی‌ها در کمترین زمان ممکن می‌باشد. پردازش تصویر به‌عنوان رویکردی برای تعیین میزان و نوع آسیب‌دیدگی محصولات مختلف در مزارع و باغات ارائه شده است. هدف از انجام این پژوهش، تشخیص بیماری آنتراکنوز برگ درختان گردو با استفاده از روش پردازش تصویر می‌باشد. تشخیص بیماری در باغ و با استفاده از تصاویر گرفته شده از برگ‌های واقع بر روی درخت انجام گرفت تا با عملیاتی با بار محاسباتی اندک و الگوریتمی به دور از پیچیدگی محاسباتی، زمینه لازم برای طراحی نرم‌‌افزارهای کاربردی بر روی سامانه‌های مکاترونیکی هوشمند فراهم گردد. بدین منظور تصاویری از برگ‌های سالم گردو و همچنین نقاط آلوده به بیماری آنتراکنوز گرفته شد. الگوریتم شناسایی بیماری آنتراکنوز مبتنی بر ویژگی‌های رنگی و شکل‌شناسی برگ‌ها و لکه‌های ناشی از بیماری بود. نتایج حاصل از ارزیابی روش ارائه شده برای تشخیص بیماری آنتراکنوز، دقت تفکیک 98 درصد را نشان داد. شدت آلودگی محاسبه شده توسط الگوریتم با شدت آلودگی حقیقی مقایسه شد و نتایج استفاده از آزمون توزیع t برای مقایسه میانگین دو نمونه (شدت آلودگی محاسبه شده توسط الگوریتم و شدت آلودگی حقیقی) نشان داد که بین دو گروه در سطح احتمال 0.01 اختلاف معنی‌داری وجود ندارد.
پردازش تصویر
احمد جهان بخشی؛ کامران خیرعلی پور
چکیده
ارزیابی کیفی محصولات کشاورزی از عوامل بسیار مهم در ارتقای بازارپسندی آن‌ها است. عملیات درجه‌بندی و بسته‌بندی محصولات کشاورزی توسط کارگران با مشکلات فراوانی مثل افزایش هزینه، زمان، نیروی کارگری، تلف شدن محصول و غیره روبه‌رو است. سامانه‌های پردازش تصویر روش‌های نوینی هستند که در بخش کشاورزی کاربردهای مختلفی از جمله درجه‌بندی ...
بیشتر
ارزیابی کیفی محصولات کشاورزی از عوامل بسیار مهم در ارتقای بازارپسندی آن‌ها است. عملیات درجه‌بندی و بسته‌بندی محصولات کشاورزی توسط کارگران با مشکلات فراوانی مثل افزایش هزینه، زمان، نیروی کارگری، تلف شدن محصول و غیره روبه‌رو است. سامانه‌های پردازش تصویر روش‌های نوینی هستند که در بخش کشاورزی کاربردهای مختلفی از جمله درجه‌بندی محصولات دارد. هدف از این پژوهش پیاده‌سازی یک سامانه ماشین بینایی برای طبقه‌بندی هویج بر اساس شکل با استفاده از روش پردازش تصویر می‌باشد. برای این منظور تصویر 135 نمونه هویج در شکلهای مختلف (معمول و غیرمعمول) تهیه گردید. پس از پیشپردازش تصاویر، ویژگی‌های مختلف شکل از تصاویر استخراج شد. در فرآیند انتخاب ویژگی، طول، وسعت، محیط، گردی، ناهمگنی مرکز سطح، ناهمگنی عرضی و تعداد ریشه به عنوان ویژگی‌های کارا انتخاب گردید. از روش‌های هوش مصنوعی و ماشینبردار پشتیبان برای طبقه‌بندی نمونه‌ها استفاده شد. نتایج نشان داد که دقت درجه‌بندی روش شبکه عصبی مصنوعی پرسپترون چندلایه از ماشین بردار پشتیبان بیشتر و برابر با 50/98 درصد می‌باشد. می‌توان گفت که روش پردازش تصویر و ماشین بینایی جهت ارتقا روش سنتی درجه‌بندی هویج کارآمد میباشند.
پردازش تصویر
احمد حیدری؛ جعفر امیری پریان
چکیده
شناسایی و ردیابی به موقع آفات در گلخانه یک امر حیاتی جهت کنترل آفات و بیماری‌ها، کاهش خسارت و افزایش عملکرد محصول می‌باشد. آفات مختلفی از قبیل سفید بالک‌ها، تریپس‌ها، شته‌ها و غیره در خسارت به محصول و در نتیجه کاهش آن موثر هستند. در این پژوهش، شناسایی و شمارش آفات مهم گلخانه (سفید بالک و تریپس) از طریق کارت‌های چسبان زرد رنگ به کمک ...
بیشتر
شناسایی و ردیابی به موقع آفات در گلخانه یک امر حیاتی جهت کنترل آفات و بیماری‌ها، کاهش خسارت و افزایش عملکرد محصول می‌باشد. آفات مختلفی از قبیل سفید بالک‌ها، تریپس‌ها، شته‌ها و غیره در خسارت به محصول و در نتیجه کاهش آن موثر هستند. در این پژوهش، شناسایی و شمارش آفات مهم گلخانه (سفید بالک و تریپس) از طریق کارت‌های چسبان زرد رنگ به کمک پردازش تصویر انجام شد. ابتدا از کارت‌های نصب شده در گلخانه در طول روز با دوربین دیجیتال عکس گرفته شد. سپس بر اساس طراحی الگوریتمی به منظور استخراج مولفههای رنگی و اندازه اشیاء از تبدیلات فضای رنگ، آستانهگیری، حذف نویز، عملیات مرفولوژیکی برچسبزنی به همبندها برای شناسایی و شمارش حشرات سفید بالک و تریپس به تله افتاده بر روی کارت‌های چسبان زرد استفاده شد. به کمک روش ماتریس اغتشاش، دقت الگوریتم پیشنهادی بررسی شده که این مقدار برابر با 5/94 و 4/87 درصد به‌ترتیب برای شناسایی سفید بالک و تریپس محاسبه شد.
پردازش تصویر
پریسا عطائیان؛ پرویز احمدی مقدم؛ ابراهیم سپهر
چکیده
کربن آلی خاک منبع عظیمی از مواد مغذی برای گیاه بوده و به‌عنوان عاملی فعال در گسترش ساختمان خاک، نقش مهمی در بهبود حاصل‌خیزی خاک‌های کشاورزی دارد. هدف اصلی از این پژوهش، تخمین میزان کربن آلی خاک در زمین‌های کشاورزی با استفاده از یک روش ساده، سریع و کم هزینه می‌باشد. 80 نمونه خاک از مزارع کشاورزی شمال آذربایجان غربی تا جنوب استان به‌صورت ...
بیشتر
کربن آلی خاک منبع عظیمی از مواد مغذی برای گیاه بوده و به‌عنوان عاملی فعال در گسترش ساختمان خاک، نقش مهمی در بهبود حاصل‌خیزی خاک‌های کشاورزی دارد. هدف اصلی از این پژوهش، تخمین میزان کربن آلی خاک در زمین‌های کشاورزی با استفاده از یک روش ساده، سریع و کم هزینه می‌باشد. 80 نمونه خاک از مزارع کشاورزی شمال آذربایجان غربی تا جنوب استان به‌صورت انتخابی جمع‌آوری شد و پس از تعیین مقدار کربن آلی نمونه‌ها در آزمایشگاه، نمونه‌ها در شرایط کنترل شده مورد تصویربرداری قرار گرفتند. تصاویر رنگی در چندین فضای رنگی مختلف تحلیل شدند و در هر فضای رنگی، مدل‌های شبکه عصبی و رگرسیون چندگانه برای برآورد میزان کربن آلی خاک توسعه یافت. نتایج مدل‌سازی خطی نشان داد که بالاترین ضریب همبستگی در فضاهای رنگی LAB و LUV به‌ترتیب 0/91 و 0/92 برای مدل‌های استخراج شده از مؤلفههای این فضاها و کربن آلی خاک به‌دست آمد. نتایج حاصل از طبقه‌بندی به‌وسیله شبکه عصبی نشان داد که ضریب همبستگی در فضای RGB بالاترین مقدار را داشته و برابر با 0/94 بوده است. نتایج نشان داد که در تمامی فضاها مدل‌سازی شبکه عصبی دقت مدل را افزایش داده است.
پردازش تصویر
فائزه بهزادی پور؛ محمود قاسمی نژاد رایینی؛ محمدامین آسودار؛ افشین مرزبان؛ سامان آبدانان مهدی زاده
چکیده
امروزه، اهمیت کیفیت سمپاشی در سمپاش ها و بهره مندی بیشتر از دستگاه سمپاش و سم مصرفی مهمترین مسئله پیش روی کاربران و سازندگان سمپاش ها است. بنابراین آزمایشی با سمپاش توربینی زراعی (توربولاینر) مدل توربینا اس.ای.800 به صورت آزمایش فاکتوریل با سه فاکتور در قالب طرح کاملاً تصادفی با سه تکرار انجام شد. تیمارهای آزمایشی ...
بیشتر
امروزه، اهمیت کیفیت سمپاشی در سمپاش ها و بهره مندی بیشتر از دستگاه سمپاش و سم مصرفی مهمترین مسئله پیش روی کاربران و سازندگان سمپاش ها است. بنابراین آزمایشی با سمپاش توربینی زراعی (توربولاینر) مدل توربینا اس.ای.800 به صورت آزمایش فاکتوریل با سه فاکتور در قالب طرح کاملاً تصادفی با سه تکرار انجام شد. تیمارهای آزمایشی شامل فشار سمپاشی با سه سطح 1000، 2500 و 3500 کیلوپاسکال، دور پروانه با دو سطح 1998 و2430 دور در دقیقه و سرعت پیشروی با دو سطح 9 و 5/13 کیلومتر بر ساعت بودند. آنالیز تصاویر با نرم افزارهای ImageJ وMATLAB R2015a انجام گردید. نتایج نشان داد که با افزایش فشار، قطر حجمی50 درصد، قطر میانه عددی و شاخص کیفیت پاشش دارای روندی کاهشی بودند و افزایش دور پروانه و سرعت پیشروی موجب کاهش قطر حجمی 50 درصد و قطر میانه عددی شد. در ترکیب تیمارها، افزایش فشار و دور پروانه، باعث کاهش 72، 69 و 46 درصد به‌ترتیب در قطر حجمی 50 درصد، قطر میانه عددی و شاخص کیفیت پاشش شد. با توجه به اهمیت شاخص کیفیت پاشش در این آزمایش، بیشترین میزان این شاخص (91/2) در حالتی رخ داد که دستگاه با فشار 1000 کیلوپاسکال، دور پروانه 2430 دور در دقیقه و سرعت پیشروی 9 کیلومتر بر ساعت تنظیم شده بود.
پردازش تصویر
هابیل آسایی؛ عبدالعباس جعفری؛ محمد لغوی
چکیده
در روش‌های معمول سمپاشی در باغ‌ها، سمپاشی هدف‌دار انجام نمی‌شود. بررسی آمار مصرف سموم شیمیایی در باغ‌ها نشان‌دهنده مصرف بیش از حد مورد نیاز گیاه بوده و از این مقدار سم مصرف‌شده، تنها 30 درصد آن به تاج درخت می رسد و باقی‌مانده آن از دست‌رفته و باعث خسارت می‌شود. سم‌پاش‌های نرخ متغیر با استفاده از سیستم‌های کنترل هوشمند تا ...
بیشتر
در روش‌های معمول سمپاشی در باغ‌ها، سمپاشی هدف‌دار انجام نمی‌شود. بررسی آمار مصرف سموم شیمیایی در باغ‌ها نشان‌دهنده مصرف بیش از حد مورد نیاز گیاه بوده و از این مقدار سم مصرف‌شده، تنها 30 درصد آن به تاج درخت می رسد و باقی‌مانده آن از دست‌رفته و باعث خسارت می‌شود. سم‌پاش‌های نرخ متغیر با استفاده از سیستم‌های کنترل هوشمند تا حد زیادی در کاهش استفاده از آفت‌کش‌ها و کاهش آلودگی محیط‌زیست در باغ‌ها کارایی دارند. در این تحقیق نمونه اولیه سمپاش باغی مبتنی بر فناوری ماشین بینایی ارزیابی شد. سمپاش ساخته‌شده براساس ساختار تاج درخت و میزان سبزینه، عمل سمپاشی را به‌صورت بی‌درنگ انجام می‌دهد و بهره‌وری از سمپاشی در باغ را بهبود می‌بخشد. عملکرد سمپاش در باغ زیتون در دو حالت مختلف سمپاشی به‌صورت سراسر پاشی و سمپاشی منقطع هدف‌دار مبتنی بر سایه‌انداز درخت و فناوری ماشین بینایی مقایسه شد. این عملکرد در سه سرعت پیشروی مختلف (2، 3/5 و 5 کیلومتر بر ساعت) و چهار تکرار با استفاده از طرح کاملاً تصادفی انجام شد. نتایج نشان داد در کاربرد سمپاش طراحی‌شده جدید، برای باغ زیتون، مصرف سم تقریباً 54 درصد کاهش یافت. با توجه به عدم پاشش سم در فضای خالی بین درختان، در باغ‌های جوان، که دارای درختان کوچک‌تر هستند و فاصله بین تاج درختان زیادتر است، میزان کاهش مصرف سم، از این مقدار فراتر خواهد رفت.
پردازش تصویر
علیرضا عبداله نژاد باروق؛ محمد عادلی نیا؛ مجید محمدی
چکیده
پسته از نظر شکاف پوست به دو دسته خندان (درباز) و ناخندان (دربسته) و از نظر مغز به دو دسته مغزدار و پوک تقسیم می‌شود. پسته‌های پوک و دربسته غالباً جزء محصول درخت پسته بوده و به دلیل ارزش کمتر نسبت به نوع مغزدار درباز باید دسته‌بندی شوند. هدف این پژوهش ارائه روشی هوشمند برای مرتب‌سازی پسته‌های دربسته، درباز مغزدار و پوک می‌باشد. داده‌های ...
بیشتر
پسته از نظر شکاف پوست به دو دسته خندان (درباز) و ناخندان (دربسته) و از نظر مغز به دو دسته مغزدار و پوک تقسیم می‌شود. پسته‌های پوک و دربسته غالباً جزء محصول درخت پسته بوده و به دلیل ارزش کمتر نسبت به نوع مغزدار درباز باید دسته‌بندی شوند. هدف این پژوهش ارائه روشی هوشمند برای مرتب‌سازی پسته‌های دربسته، درباز مغزدار و پوک می‌باشد. داده‌های مورد نیاز برای دسته‌بندی با استفاده از تصاویر تهیه شده از نمونه‌های دربسته، مغزدار و پوک پسته با شرایط یکسان، تأمین شده است. به این ترتیب که ابتدا برای استخراج تصویر پسته از پس زمینه آن، تصاویر تهیه شده به کمک تکنیکهای پردازش تصویر، قطعه‌بندی شده و پس از انجام فیلترهایی بر روی تصاویر حاصل، برای تعیین با ارزش‌ترین ویژگی‌ها جهت دسته‌بندی، از الگوریتم یادگیری ماشین C4.5 و درخت تصمیم استفاده شد. ویژگی‌های ممان و اسکلت به‌عنوان با ارزش‌ترین ویژگی‌ها انتخاب شده و بر این اساس قوانین به‌دست آمده از درخت تصمیم به یک سیستم نرو-فازی تطبیق‌پذیر تغذیه شدند. این قوانین به‌صورت اگر-آنگاه بودند که با پیمایش بالا به پایین حریص از ریشه تا برگ توسط الگوریتم C4.5 استخراج شده بودند. شبکه نروفازی ابتدا با استفاده از داده‌های استخراج شده مربوط به 200 نمونه شامل انواع دربسته، پوک و مغزدار و با دقت 95/8% آموزش داده شد. همچنین از 100 نمونه برای آزمایش سیستم با دقت97% استفاده شد.
پردازش تصویر
حسین پیمان؛ عادل بخشی پور زیارتگاهی؛ عبدالعباس جعفری
چکیده
در مباحث نوین کشاورزی، بررسی روش‌های سریع، خودکار، ارزان و دقیق برای تشخیص بیماری‌های گیاه از اهمیت زیادی برخوردار است. تشخیص به موقع و دقیق بیماری در مزارع، از مهمترین فاکتورهای مقابله با بیماری‌های گیاهی می‌باشد. در این تحقیق توانایی تکنیک پردازش تصویر در تشخیص دو بیماری مهم برنج (لکه قهوه‌ای و بلاست برگ برنج) مورد بررسی قرار ...
بیشتر
در مباحث نوین کشاورزی، بررسی روش‌های سریع، خودکار، ارزان و دقیق برای تشخیص بیماری‌های گیاه از اهمیت زیادی برخوردار است. تشخیص به موقع و دقیق بیماری در مزارع، از مهمترین فاکتورهای مقابله با بیماری‌های گیاهی می‌باشد. در این تحقیق توانایی تکنیک پردازش تصویر در تشخیص دو بیماری مهم برنج (لکه قهوه‌ای و بلاست برگ برنج) مورد بررسی قرار گرفت. تصاویر دیجیتال از برگ‌های گیاه برنج آلوده تهیه شدند. تصاویر در جعبه ابزار پردازش تصویر نرم افزار متلب پردازش شدند. از پردازش رنگی به‌منظور جداسازی لکه‌های ظاهری قسمت‌های آلوده از سطح برگ استفاده شد. نتایج نشان داد که الگوریتم ارائه شده توانست نقاط آلوده را در نمونه تصاویر مورد آزمایش با دقت 94/4% تشخیص دهد. تمایز بین دو نوع بیماری به دلیل شباهت‌های رنگی علائم بیماری‌ها تقریباً غیر ممکن بود. بنابراین به منظور بهبود تشخیص، خصوصیات شکلی از تصاویر سیاه و سفید برگ‌ها آلوده استخراج شدند. ویژگی‌های بدون بعد مانند گردی، نسبت ظاهری، فشردگی و نسبت سطح قسمت‌های آلوده مربوط به بیماری لکه قهوه‌ای و بلاست برگ برنج استخراج شده و مورد بررسی قرار گرفتند. دقتی معادل با 96/6% برای الگوریتم به‌دست آمد که نشان‌دهنده توانایی در تشخیص دو بیماری لکه قهوه‌ای و بلاست برگ برنج بود.
پردازش تصویر
حمید رضا احمدی؛ جعفر امیری پریان
چکیده
طی چندین سال اخیر تمایل تازه ای به‌سمت برداشت رباتیک پرتقال و برخی مرکبات ایجاد شده است. اولین گام در برداشت رباتیک شناسایی دقیق و تعیین موقعیت میوه می باشد. شناسایی از طریق پردازش تصویر توسط دوربین‌های رنگی و کامپیوتر رایج‌ترین روش در حال حاضر می باشد. بدیهی است ربات برداشت با شرایط طبیعی مواجه است و شناسایی باید در شرایط مختلف نور ...
بیشتر
طی چندین سال اخیر تمایل تازه ای به‌سمت برداشت رباتیک پرتقال و برخی مرکبات ایجاد شده است. اولین گام در برداشت رباتیک شناسایی دقیق و تعیین موقعیت میوه می باشد. شناسایی از طریق پردازش تصویر توسط دوربین‌های رنگی و کامپیوتر رایج‌ترین روش در حال حاضر می باشد. بدیهی است ربات برداشت با شرایط طبیعی مواجه است و شناسایی باید در شرایط مختلف نور و محیط انجام شود. در این تحقیق سعی شده است الگوریتم مناسبی به‌منظور تشخیص پرتقال روی سایبان درخت ارائه شود. به‌منظور ارزیابی الگوریتم ارائه شده تعداد 500 تصویر که در شرایط کاملاً متفاوت سایبان، زاویه نور خورشید و فاصله تا درخت، گرفته شده بودند، مورد بررسی قرار گرفت. این الگوریتم شامل مراحل: بهینه سازی، قطعه بندی، فیلتر اندازه، تفکیک میوه‌ها بر مبنای الگوی تراکم سایه و روشنایی و تعیین مختصات می‌باشد. در این تحقیق برای قطعه بندی از شبکه عصبی MLP (با سه لایه مخفی) استفاده شد که موفقیت به‌کارگیری آن با توجه به نرخ کشف صحیح پرتقال ها با دقت 2/88% مورد تایید قرار گرفت. با توجه به درصد بالای پرتقال‌های خوشه ای نسبت به کل پرتقال ها در تصاویر، هر الگوریتمی که بخواهد در زمینه شناسایی پرتقال بر روی درخت موفق عمل کند باید راه حلی برای تفکیک پرتقال ها از هم ارائه دهد که در پژوهش حاضر روشی جدید بر مبنای الگوی تراکم سایه روشن، به‌کار گرفته شد و کارایی آن مورد ارزیابی قرار گرفت. در نهایت دقت تفکیک 5/89 درصد و دقت شناسایی 2/88 درصد به‌دست آمد.
پردازش تصویر
سیدحسین فتاحی؛ شمس اله عبداله‌پور؛ اسماعیل اسماعیل زاده؛ محمد مقدم
چکیده
سالانه، میلیونها لیتر محلول سم، برای مبارزه با آفات و بیماری‌های گیاهی در مزارع استفاده می‌شود. استفادهی گسترده از سموم شیمیایی، خطرات زیست محیطی زیادی را ایجاد می‌کند. بادبردگی ذرات یکی از مهمترین معضلات در سمپاشی است، که باعث آلودگی زمین‌های اطراف مزرعه، انسانها و سایر جانداران می‌شود. مدیریت اندازهی ذره، ...
بیشتر
سالانه، میلیونها لیتر محلول سم، برای مبارزه با آفات و بیماری‌های گیاهی در مزارع استفاده می‌شود. استفادهی گسترده از سموم شیمیایی، خطرات زیست محیطی زیادی را ایجاد می‌کند. بادبردگی ذرات یکی از مهمترین معضلات در سمپاشی است، که باعث آلودگی زمین‌های اطراف مزرعه، انسانها و سایر جانداران می‌شود. مدیریت اندازهی ذره، عامل اصلی در کنترل بادبردگی است. در این تحقیق عوامل موثر در اندازهی قطرات ( قطرمیانهی حجمی) نشسته در نواحی غیر هدف با استفاده از روش‌های آماری مورد مطالعه قرار گرفت. اثرات نوع نازل (نازل بادبزنی با سطح مقطع خروجی متفاوت)، فشار سمپاشی، ارتفاع بوم سمپاشی و سرعت باد به عنوان فاکتورهای موثر در بادبردگی، روی اندازهی ذرات مورد بررسی قرار گرفتند. یک تونل باد افقی، با ابعاد 0/47 متر عرض، 0/75 ارتفاع و 5/5 متر طول برای انجام آزمایشها طراحی و ساخته شد. آزمایشها به صورت فاکتوریل اسپلیتپلات در قالب طرح بلوکهای کامل تصادفی با دو تکرار انجام شد. اندازهگیری قطرات در ترکیبهای تیماری با نازل بادبزنی در سه سطح مقطع خروجی (11003- 0/87 میلیمتر مربع، 11004- 1/18 میلیمتر مربع و 11006- 1/8 میلیمتر مربع)، فشار پاشش (150، 275 و 400 کیلوپاسکال)، سرعت باد (1، 2 و 3 متر بر ثانیه) و ارتفاع پاشش بوم (0/35، 0/55 و 0/75 متر) انجام شد. کاغذهای حساس به آب در فواصل 0/8، 1/6 و 2/4 متری از انتهای پاشش نازل برای آشکارسازی اندازهی قطرات استفاده شدند. در این تحقیق فاکتورهای فشار، سرعت باد و ارتفاع بر اندازهی قطره در فاصلهی مورد نظر اثر افزایشی داشتند. ولی اثر نازل کاهشی بود. با توجه به ضرایب مدل رگرسیونی اثر سرعت باد قابل ملاحظه بود.
پردازش تصویر
سینا لطیف التجار؛ عبدالعباس جعفری؛ سیدمهدی نصیری؛ حمید شریفی
چکیده
تخمین عملکرد محصولات زراعی یکی از پارامترهای مهم برای مدیریت اطلاعات و منابع درکشاورزی دقیق است. این اطلاعات برای بهینه سازی نهاده های مورد نیاز در کشت های بعدی مورد استفاده قرار می گیرد. در پژوهش حاضر امکان تخمین عملکرد محصول چغندرقند با استفاده از پردازش تصویر بررسی گردید. برای انجام آزمایش ها از ردیف های کشت در طی فصل رشد و با فواصل ...
بیشتر
تخمین عملکرد محصولات زراعی یکی از پارامترهای مهم برای مدیریت اطلاعات و منابع درکشاورزی دقیق است. این اطلاعات برای بهینه سازی نهاده های مورد نیاز در کشت های بعدی مورد استفاده قرار می گیرد. در پژوهش حاضر امکان تخمین عملکرد محصول چغندرقند با استفاده از پردازش تصویر بررسی گردید. برای انجام آزمایش ها از ردیف های کشت در طی فصل رشد و با فواصل یک ماه عکس های نواری تهیه شد. تصویر افقی پوشش سبز بوته‌ها در انتهای هر ماه تعیین گردید. در پایان فصل رشد و پس از استخراج غده‌ها از زمین، ضریب همبستگی بین سطح پوشش سبز محصول چغندرقند در هر ماه با وزن غده برداشت شده نهایی بررسی شد. نتایج حاصله نشان داد سطح قابل رویت پوشش سبز گیاه می تواند بیانگر عملکرد محصول چغندر قند در کشت پاییزه باشد. بالاترین ضریب تبیین رابطه عملکرد محصول با سطح پوشش سبز گیاه، سه ماه قبل از زمان برداشت و برابر با 0/85 بدست آمد. به منظور بررسی میزان صحت معادله حاصله در سال زراعی بعد با شرایط یکسان زمین کشت و بطور مشابه داده برداری صورت پذیرفت. نتایج حاصله نشان داد که میان وزن غده های واقعی و وزن غده های محاسبه شده از مدل سال گذشته رابطه قوی با ضریب تبیین 0/94 وجود دارد. این رابطه توانست مقدار عملکرد را با خطای نسبی حدود 9 درصد تخمین بزند. این موضوع پتانسیل استفاده از روش عکس برداری نواری را برای پیشگویی عملکرد محصول چغندرقند قبل از زمان برداشت نشان می دهد.
پردازش تصویر
مرتضی جعفرلو؛ رحمان فرخی تیمورلو
چکیده
خواص فیزیکی محصولات کشاورزی از مهمترین پارامترهای طراحی سیستم های بسته بندی و درجه بندی هستند و حجم محصولات کشاورزی، یکی از این خواص می باشد که بایستی به طور دقیق اندازه گیری شود. پردازش تصویر و شبکه ی عصبی از ابزار های پرکاربرد و غیر مخربی هستند که اخیراً به این منظور استفاده می شوند. در این مطالعه ابتدا با استفاده از دوربین به فاصله ...
بیشتر
خواص فیزیکی محصولات کشاورزی از مهمترین پارامترهای طراحی سیستم های بسته بندی و درجه بندی هستند و حجم محصولات کشاورزی، یکی از این خواص می باشد که بایستی به طور دقیق اندازه گیری شود. پردازش تصویر و شبکه ی عصبی از ابزار های پرکاربرد و غیر مخربی هستند که اخیراً به این منظور استفاده می شوند. در این مطالعه ابتدا با استفاده از دوربین به فاصله ی ثابت از نمونه ها عکس برداری گردیده و تصاویر رنگی با نرم افزار Matlab پردازش شده و لبه ی سیب ها استخراج گردید. سپس سطح به دست آمده در راستای عمود بر محور طولی سیب، به المان های نازک ذوزنقه ای تقسیم بندی گردیده و حجم حاصل از دوران این المان ها بر حسب پیکسل محاسبه شد. سپس سیب ها از وسط برش داده شده و عکس برداری شدند تا حجم تورفتگی های سیب به دست آمده و از حجم کل سیب کاسته شود. حجم واقعی سیب نیز با استفاده از روش جابه جایی آب، بر حسب سانتی متر مکعب اندازه گیری شد و رابطه ایی بین حجم واقعی و حجم پیکسلی سیب ارائه گردید که می تواند در تخمین حجم سیب استفاده شود. آزمون t و بلاند-آلتمن نشان داد که بین حجم واقعی سیب و حجم پردازش تصویر در سطح احتمال 5% اختلاف معنی داری نیست و اختلاف میانگین بین آن‌ها 52/1 سانتی متر مکعب بوده و دارای دقت 92 /0 می باشد. استفاده از شبکه عصبی با پارامترهای ورودی ابعاد و جرم سیب دقت اندازه گیری حجم سیب را تا 97 /0 بالا برده و اختلاف میانگین بین حجم ها را تا 7/0 کاهش داد. این تحقیق نشان می دهد که پردازش تصویر و شبکه ی عصبی می توانند به عنوان روش های ساده و کارآمد در تخمین حجم محصولات کشاورزی استفاده گردند.
پردازش تصویر
محمدرضا لاریجانی؛ رحمان فرخی تیمورلو
چکیده
تأمین دقیق و به موقع ازت گیاهان در کوددهی مزارع مستلزم بکارگیری روش های جدید و کم هزینه در کشاورزی دقیق است. به منظور تعیین ازت مورد نیاز گیاه برنج در زمان خوشه دهی آن، آزمایشی با استفاده از سه روش پردازش تصویر، کژلدال و دستگاه کلروفیل متر، در قالب طرح بلوک-های کامل تصادفی با سه تکرار و چهار تیمار در سال 1389 در مرکز تحقیقات برنج تنکابن ...
بیشتر
تأمین دقیق و به موقع ازت گیاهان در کوددهی مزارع مستلزم بکارگیری روش های جدید و کم هزینه در کشاورزی دقیق است. به منظور تعیین ازت مورد نیاز گیاه برنج در زمان خوشه دهی آن، آزمایشی با استفاده از سه روش پردازش تصویر، کژلدال و دستگاه کلروفیل متر، در قالب طرح بلوک-های کامل تصادفی با سه تکرار و چهار تیمار در سال 1389 در مرکز تحقیقات برنج تنکابن اجرا شد. تیمارهای آزمایشی سطوح مختلف کوددهی (اوره %46 ازت) بودند. در زمان خوشه دهی گیاه برنج با استفاده از یک دوربین دیجیتال از بوته های برنج بصورت عمودی عکسبرداری و توسط روش پردازش تصاویر آنالیز شدند. همزمان توسط دستگاه کلروفیل متر SPAD-502 شاخص کلروفیل برگ گیاه اندازه گیری شد و همچنین با استفاده از روش آزمایشگاهی کژلدال درصد ازت برگ گیاه نیز تعیین گردید. نتایج حاصل از این تحقیق نشان دادند که میان هر سه روش تعیین ازت گیاه همبستگی بالایی وجود دارد. همچنین میزان همبستگی میان هر سه روش تعیین ازت گیاه و عملکرد محصول تقریباً یکسان می باشد. در مجموع به نظر می رسد که روش پردازش تصویر می تواند پتانسیل بالایی در مدیریت ازت مزارع داشته باشد، از طرفی دیگر این روش نسبت به دو روش دیگر کم هزینه تر، سریع تر و همچنین غیرمخرب می باشد.
