تشخيص علف‌هرز در تصاوير اخذ شده توسط پهپاد با تلفيق روش¬هاي شبكه عصبي و تشخيص ناهنجاري

كشاورزي پايدار يكي از هفده اهداف توسعه پايدار سازمان ملل است. يكي از موانع اصلي دلسرد‌كننده كشاورزان در رشد محصولات كار خسته‌كننده حذف علف‌هرز است كه هزينه‌هاي قابل توجهي را براي كشت محصول ايجاد مي‌كند. در حال حاضر، تاثير مخرب آفات و علف‌هاي هرز به محصولات كشاورزي جهان بيش از 40% در هر‌سال مي‌باشد و اين درصد از تلفات در سال‌هاي آتي ميزان قابل توجهي افزايش خواهد يافت، شيوه‌هاي معمول كنترل علف‌هاي هرز شامل اسپري مواد‌ شيميايي (علف‌كش) در سرتاسر زمين كشاورزي مي‌باشد. متاسفانه استفاده بيش از حد مواد شيميايي مشكلات جدي مربوط به آلودگي آب، خطرات بهداشتي براي مصرف‌كنندگان محصولات كشاورزي،كاهش تنوع زيستي و خطر توسعه علف‌هاي هرز مقاوم به علف‌كش است. هدف اصلي كاهش وابستگي به مواد شيميايي مانند علف‌كش‌ها يا آفت‌كش‌ها به علت اثراتي كه در بالا ذكر كرديم است. هدف ما در اين مقاله استفاده از روش مشهور تشخيص ناهنجاري آشكار‌ساز ريد شياولي (RXD) براي شناسايي علف‌هرز به عنوان يك ناهنجاري در تصوير مي‌باشد. به منظور بهبود خروجي نهايي و بدست آمدن يك طبقه‌بندي دو كلاس يعني كلاس اول كلاس علف‌هرز و كلاس دوم كلاس خاك، محصول و مابقي از يك شبكه عصبي آموزش استفاده كرده‌ايم. همچنين براي ارزيابي عددي از منحني ROC و ارزيابي بصري استفاده نموده‌ايم و پايين¬‌ترين دقت ۹۹.۳۶% براي قطعه ۶ و بالا‌ترين دقت ۹۹.۶۵% براي قطعه ۱ دست يافته¬ايم.