TY - JOUR ID - 41727 TI - تشخیص کرم ساقه‌خوار برنج (Chilo suppressalis) با کمک تصاویر تلفن هوشمند و یادگیری عمیق JO - ماشین های کشاورزی JA - JAM LA - fa SN - 2228-6829 AU - فلاح, محمد AU - قنبری پرمهر, عبادت AD - دانشجوی کارشناسی، گروه مهندسی نقشه‌برداری، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران AD - گروه مهندسی نقشه‌برداری، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران Y1 - 2023 PY - 2023 VL - 13 IS - 2 SP - 195 EP - 211 KW - تشخیص خودکار آفات KW - تلفن همراه هوشمند KW - کشاورزی هوشمند KW - یادگیری ماشین DO - 10.22067/jam.2022.72647.1064 N2 - 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. UR - https://jame.um.ac.ir/article_41727.html L1 - https://jame.um.ac.ir/article_41727_25841ffc477ebce3283932b824e90e52.pdf ER -