بررسي توانايي شبكه‌هاي عصبي پيچشي به منظور شناسايي علف‌هاي هرز

الگوريتم‌هاي هوش مصنوعي مي‌توانند در مديريت محصولات كشاورزي بسيار موثر باشند. اين الگوريتم‌ها مي‌توانند داده‌هاي بزرگ و پيچيده را تحليل كنند و الگوها، روندها و اطلاعات مفهومي را استخراج كنند. همچنين، با تركيب كشاورزي با هوش مصنوعي، اين صنعت در بخش‌هاي مختلف خود، از شكل سنتي‌ خارج شده و وارد مسير تكاملي شده است. از اين رو، بكارگيري روش‌هاي نوين در صنعت كشاورزي يك ضرورت جدي است. استفاده از حسگرها و ابزارهاي تعبيه‌شده در تكنولوژي‌هاي پهپادها، مي‌تواند عوارض مربوط به مزارع را تشخيص دهد. با اين هدف، تمركز مطالعه حاضر، بررسي كاربردهاي شبكه عصبي پيچشي در كشاورزي به منظور تشخيص علف‌هاي هرز، با استفاده از حسگرها و ابزارهاي تعبيه‌شده در تكنولوژي‌هاي ماشين‌آلات و پهپادها است. براي انجام اين كار، يك مزرعه 25 هكتاري از واحد كشت و صنعت نيشكر اميركبير انتخاب شد. سپس، به منظور آناليز شرايط مزرعه، تصويربرداري مزارع توسط پهپاد مدل eBee SQ صورت گرفت. تصاوير دريافتي با استفاده از شبكه عصبي LeNet-5 پردازش و نقشه علف‌هاي هرز در سطح مزرعه تهيه گرديد. نتايج دقت كلي نقشه تهيه شده 8/88% ، همچنين علف هرز و نيشكر به ترتيب با دقت 95/0 و 44/0 بدست آمدند. اين نتايج نشان دهنده توانايي مناسب اين فناوري‌ در شناسايي موقعيت بخش‌هاي از مزرعه كه علف‌هاي هرز مي‌باشد. اين نقشه‌ها در صرفه جويي مصرف بيش از حد آفت‌كش‌ها و علف‌كش‌ها از سطح مزرعه و جلوگيري از صدمه وارد شدن به محصول هنگام استفاده از ابزارآلات سنگين همچون تراكتور ارزشمند هستند. از طرف ديگر، استفاده بهينه از نيروي انساني و افزايش بهره‌وري را به دنبال خواهد داشت. همچنين مدل‌سازي‌هاي اوليه، ديد دقيق‌تري به مديران و كارشناسان كشاورزي مي‌دهد تا مروري مختصر در مورد استفاده و پياده‌سازي شبكه‌هاي عصبي در عرصه كشاورزي و سيستم‌هاي وجين علف‌هاي هرز از طريق تكنولوژي‌هاي جديد و تصاوير سنجش از دور داشته باشند.