نوع مقاله: مقاله علمی- پژوهشی

نویسندگان

دانشگاه ایلام

چکیده

طیف وسیعی از فعالیت های مهم کشاورزی از جمله تیمار آفت کش ها، آبیاری، کود و هرس درختان تا حد زیادی به خواص هندسی تاج پوشش درختان بستگی دارد. تحقیقات زیادی در زمینه استفاده از حسگرهای فراصوتی جهت تخمین حجم تاج پوشش درختان انجام شده است. این تحقیق به بررسی استفاده از روش های نرم افزاری از جمله شبکه های عصبی مصنوعی به‌منظور بهبود خطای تخمین حجم تاج پوشش درختان به‌کمک حسگرهای فراصوتی می پردازد. برای این منظور یک سیستم آزمایشگاهی مخصوصی طراحی و ساخته شد. این سیستم دارای سه عدد حسگر فراصوتی است که به‌صورت عمودی با فاصله های 60 سانتی متری بر روی یک دکل چوبی نصب شده است. با حرکت دکل چوبی حسگرهای فراصوتی ضخامت نقاط مختلف تاج پوشش درخت را با نرخ نمونه برداری 4 هرتز اندازه گیری می کنند. آزمایش ها در سه سطح سرعت 35، 45 و 55 سانتی متر بر ثانیه در سه تکرار و در چهار وضعیت در زوایای 90 درجه برای 5 نمونه درخت فیکوس بنجامین انجام شد. پس از عبور کامل حسگرهای فراصوتی از مقابل تاج پوشش درخت مشخصاتی همچون قطر، میانگین عرض و ارتفاع تاج پوشش درخت در سه ارتفاع متناظر با حسگرهای فراصوتی به‌عنوان ورودی شبکه‌های عصبی و حجم دستی تاج پوشش به‌عنوان خروجی شبکه های عصبی در نظر گرفته شد. نتایج نشان داد که مدل شبکه عصبی بهینه برای تخمین دارای ساختار 1-7-16-13 می باشد. میزان RMSE شبکه عصبی انتخاب شده 039278/0 مترمکعب می باشد.

کلیدواژه‌ها

عنوان مقاله [English]

A Study of Ultrasonic Sensors to Intelligent Estimation of Tree Canopy Volumes

نویسندگان [English]

  • M Eskandari
  • A Hosainpour

University of Ilam

چکیده [English]

Many research projects have been conducted about using ultrasonic sensors to estimate canopy volume. This study investigates using software applications such as artificial neural network (ANN) to improve the estimation of canopy volume by using ultrasonic sensors. A special experimental system was built. The system had three ultrasonic sensors mounted vertically on a wooden pole with an equal distance of 0.6 m. As the wooden pole moves with a constant speed, the ultrasonic sensors measure the thickness of tree canopy with sampling rate of 4 Hz. Experiments were conducted on 5 samples of Benjamin tree at three speed levels of 35,45 and 55 cm s-1 in three replications. The real volume of trees was measured manually with rectangular elements method. After a full passing of ultrasonic sensors, potential features such as canopy diameter, average width of tree canopy and height of the tree canopy were considered as the inputs to the ANN model and the manually volume as the output of the model. Optimal ANN model was selected based on mean square error and correlation coefficient. The results showed that 13-16-7-1 was the optimal neuron numbers in ANN topology for estimating canopy volume.

کلیدواژه‌ها [English]

  • Precision agriculture
  • Variable rate technology
  • Ultrasonic sensor
  • Artificial neural network
  • Tree canopy

  1. Carreiras, J. M. B., J. M. C. Pereira, and J. S. Pereira. 2006. Estimation of tree canopy cover in evergreen oak woodlands using remote sensing. Forest Ecology and Management 223: 45-53.
  2. de Marti, S. P., J. R. R. Polo, E. G. Moya, L. V. Monterola, and A. E. Agusti. 2006. Optimizing pesticide spray application in tree crops. In ASAE Annual Meeting, boston, Massachusetts. Oregon Convention Center, Portland, Oregon.
  3. Escola, A., S. Planas, J. R. Rosell, J. Pomar, F. Camp, F. Solanelles, F. Gracia, J. Llorens, and E. Gil. 2011. Performance of an ultrasonic ranging sensor in apple tree canopies. Sensors (Basel) 11: 2459-2477.
  4. Giles, D. K., M. J. Delwiche, and R. B. Dodd. 1988. Electronic measurement of tree canopy volume. Transactions of the ASAE 31: 264-272.
  5. Jeon, H. Y., H. Zhu, R. Derksen, E. Ozkan, and C. Krause. 2011. Evaluation of ultrasonic sensor for variable-rate spray applications. Computers and Electronics in Agriculture 75: 213-221.
  6. le Maire, G., C. François, K. Soudani, D. Berveiller, J. Y. Pontailler, N. Breda, H. Genet, H. Davi, and E. Dufrêne. 2008. Calibration and validation of hyperspectral indices for the estimation of broadleaved forest leaf chlorophyll content, leaf mass per area, leaf area index and leaf canopy biomass. Remote Sensing of Environment 112: 3846-3864.
  7. Llorens, J., E. Gil, J. Llop and A. Escolà. 2010. Variable rate dosing in precision viticulture: Use of electronic devices to improve application efficiency. Crop Protection 29: 239-248.
  8. Llorens, J., E. Gil, J. Llop, and A. Escola. 2011. Ultrasonic and LIDAR Sensors for Electronic Canopy Characterization in Vineyards: Advances to Improve Pesticide Application Methods. Sensors (Basel) 11: 2177-2194.
  9. Mäkelä, H., and A. Pekkarinen. 2004. Estimation of forest stand volumes by Landsat TM imagery and stand-level field-inventory data. Forest Ecology and Management 196: 245-255.
  10. Masoudi, H., R. Alimardani, M. Omid, S. S. Mohtasebi, and S. Bagheri Shooraki. 2010. A Laboratory Study of Ultrasonic Sensors to Determine Position and Orientation of Mobile Robots for Greenhouse. Iranian Journal of Biosystems Engineering 41: 69-79. (In Farsi).
  11. Meron, M., S. Cohen, and G. Melman. 2000. Tree shape and volume measurement by light interception and aerial photogrammetry. Transactions of the American Society of Agricultural Engineers 43: 475-481.
  12. Mõttus, M., M. Sulev, and M. Lang. 2006. Estimation of crown volume for a geometric radiation model from detailed measurements of tree structure. Ecological Modelling 198: 506-514.
  13. Rosell, J. R., and R. Sanz. 2012. A review of methods and applications of the geometric characterization of tree crops in agricultural activities. Computers and Electronics in Agriculture 81: 124-141.
  14. Schumann, A. W., and Q. U. Zaman. 2005. Software development for real-time ultrasonic mapping of tree canopy size. Computers and Electronics in Agriculture 47: 25-40.
  15. Zaman, Q. U., and M. Salyani. 2004. Effects of foliage density and ground speed on ultrasonic measurement of citrus tree volume. Applied Engineering in Agriculture 20: 173-178.
  16. Zhai, C., X. Wang, C. Zhao, W. Zou, D. Liu, and Y. Mao. 2011. Orchard tree structure digital test system and its application. Mathematical and Computer Modelling 54: 1145-1150.