بررسی و ارزیابی سامانه فراصوت در تعیین و تشخیص ارتفاع تاج پوشش گیاه ذرت

نوع مقاله : مقاله پژوهشی

نویسندگان

• ترحم مصری گندشمین ¹
• پژمان عالی قلعه ²
• سعید عالی قلعه ³
• بهمن نجفی ¹

¹ گروه مهندسی بیوسیستم، دانشگاه محقق اردبیلی، اردبیل، ایران

² دانش‌آموخته کارشناسی ارشد مهندسی مکانیزاسیون کشاورزی، گروه مهندسی بیوسیستم، دانشگاه محقق اردبیلی، اردبیل، ایران

³ دانش‌آموخته کارشناسی ارشد مهندسی برق، دانشگاه علوم و فناوری مازندران

https://doi.org/10.22067/jam.v7i2.48567

چکیده

افزایش جمعیت، کمبود منابع و مخاطرات زیست‌محیطی در امر تولید محصولات، سبب نفوذ چشمگیر فناوری‌های نوین و افزایش دقت در عملیات کشاورزی شده است. یکی از نمود‌های به‌کارگیری فن‌آوری‌های نوین در روند تولید محصول، تعیین ویژگی‌های مختلف محصول (مثل ارتفاع محصول) در مراحل مختلف رشد گیاه است. شناسایی و اندازه‌گیری ارتفاع محصول با استفاده از تکنولوژی فراصوت گامی کوچک در راستای اتوماتیک کردن کنترل داشت و برداشت، موضوع پژوهش حاضر است. بعد از طراحی و ساخت، حسگر فراصوت در یک سیستم آزمایشگاهی مورد آزمون قرار گرفت. برای کالیبره کردن از موانع مصنوعی استفاده شد که تجزیه تحلیل داده های جمع آوری شده حاصل از کالیبراسیون با روش رگرسیون خطی و آزمون مقایسه میانگین جفت شده نشان داد که بین آن ها اختلاف معنی‌دار وجود ندارد و ضریب تبیین مدل رگرسیونی 99% محاسبه شد. آزمایش‌ها در 3 تکرار در محیط آزمایشگاهی بر روی بوته ذرت انجام گرفت که ولتاژ خروجی حسگر فراصوت با ارتفاع بوته (اندازه‌گیری دستی) دارای همبستگی خطی بالا بود که منجر به ارائه مدل رگرسیون خطی با ضریب تبیین 95% شد. نتایج حاصل از پژوهش ما، شناسایی وجود یا عدم وجود محصول، در کنترل تخصصی مراحل داشت (به‌طور مثال سم‌پاشی) و اندازه گیری ارتفاع محصول (جهت تعیین ارتفاع برش در زمان برداشت)، با استفاده از فناوری حسگر فراصوت به‌عنوان روشی مناسب در کشاورزی دقیق از لحاظ فن و هزینه اقتصادی کمتر توصیه می‌شود.

کلیدواژه‌ها

• ارتفاع گیاه
• حسگر فراصوت
• ذرت
• کشاورزی دقیق

20.1001.1.22286829.1396.7.2.5.2

مراجع

1. Eskandari, M., and A. Hoseynpour. 2015. A Study of Ultrasonic Sensors to Intelligent Estimation of Tree Canopy Volumes. Journal of Agricultural Machinery 5(1): 25-34.

2. Holland, K. H., J. S. Schepers, and J.,F. Shanahan. 2006. Configurable multi-spectral active sensor for highspeed plant canopy assessment. In: Mulla, D.J. et al. (Eds.), Proc. of the Eighth International Conference on Precision Agriculture (CD), Minneapolis, MN, University of Minnesota, USA.

3. Kataoka, T., H. Okamoto, T. Kaneko, and S. Hata. 2002. Performance of Crop Height Sensing Using Ultra Sonic Sensor and Laser Beam Sensor. ASAE Paper No. 021184.Chicago, IL: ASAE.

4. Koch, H., and P. Weisser. 2000. Sensor equipped orchard spraying-efficacy, savings and drift reduction. Aspects Appl. Biol. Pestic. Appl. 57: 357-362.

5. Maghsoudi, H., S. Minaei, B. Ghobadian, and H. Masoudi. 2015. Field and Laboratory Investigation of USS3 Ultrasonic Sensors Capability for Non-contact Measurement of Pistachio Canopy Structure. Journal of Agricultural Machinery 5(1): 10-24.

6. Mesri Gundoshmian, T. 2004. Automatic sowing depth control as a function of soil moisture. M.Sc thesis, Agricultural Machinery Dep. Faculty of Agriculture, University of Tabriz.

7. Meyer, G. E., T. Mehta, M. F. Kocher, D. A. Mortensen, and A. Samal. 1998. Textural imaging and discriminant analysis for distinguishing weeds for spot spraying. Transact. ASAE 41 (4): 1189-1197.

8. Nikkila, R., I. Seilonen, and K. Koskinen. 2010. Software architecture for farmmanagement information systems in precision agricolture. Computers and Electronics in Agriculture 70: 328-336.

9. Aziz, S. A., B. L. Steward, S. J. Birrell, T. C. Kaspar, and D. S. Shrestha. 2004. Ultrasonic Sensing for Corn Plant Canopy Characterization. ASABE Paper No. 041120. ASABE, St. Joseph, MI, USA.

10. Shibayama, M., T. Akiyama, and K. Munakata. 1985. A portable field ultrasonic sensor for crop canopy characterization. Remote Sensing of Environment 18 (3): 269-279.

11. Sudduth, K. A., S. T. Dummond, W. W. Wang, and M. J. Krumpelman. 1998. Ultrasonic and GPS measurement of combine swath width. ASAE Paper No. 983096. St. Joseph, MI.

12. Upchurch, B. L., W. C. Anger, G. Vass, and D. M. Glenn. 1992. Ultrasonic tree caliper. Applied Enginreering in Agriculture 8 (5): 711-714.

13. Weiss, U., and P. Biber. 2011. Plant detection and mapping for agricultural robots using a 3D LIDAR sensor. Robotics and Autonomous Systems 59: 265-273.

14. Zaman, Q. U., T. Esau, A. W. Schumann, D. C. Percival, Y. K. Chang, S. M. Read, and A.A. Farooque. 2011. Development of prototype automated variable rate sprayer for real-time spot-application of agrochemicals in wild blueberry fields. Computers and Electronics in Agriculture 76: 175-182.

15. Zhang, F., Q. U. Zaman, A. W. Schumann, D. C. Percival, D. Nams, and T. Esau. 2009. Detecting weeds in wild blueberry field based on color images. ASABE Paper No. 096146, ASABE, St. Joseph, MI, USA.