تشخيص بيماري زوال مركبات با استفاده از سامانه بدون سرنشين هوايي مجهز به دوربين چندطيفي

Diagnosis decline in citrus using multispectral camera-equipped unmanned aerial system

امروزه با توجه به افزايش جمعيت و كاهش منابع غذايي، دستيابي به سامانه‌هاي كنترل و پايش آفات و بيماري‌هاي گياهي با دقت بالا به‌منظور توليد و دستيابي به محصولات كشاورزي سالم و كافي و پيشگيري از خسارت آفات و بيماري‌هاي گياهي و كاهش هزينه‌هاي ناشي از كنترل آنها اهميت فراواني پيدا كرده است. سامانه‌‌هاي هوايي بدون سرنشين به دليل كاهش هزينه‌هاي مالي‌ و نيروي انساني، سهولت كاربرد، امكان اخذتصوير در شرايط آب و هوايي ابري در زير پوشش ابرها، قابليت انعطاف در مدت زمان و ارتفاع تصوير‌برداري، توان تفكيك مكاني بسيار بالا و استفاده از آنها در اخذ داده‌هاي سنجش از دور مطرح شده و مورد توجه بسيار قرار گرفته است. در همين راستا استفاده از اين سامانه‌ها در اخذ داده‌هاي مورد نياز كشاورزي ‌‌مي‌تواند قابليت‌هاي بالايي در پايش محصولات و مبارزه با آفات فراهم آورد. در اين تحقيق توانايي سنجنده چندطيفي نصب شده برروي سكوي هوابرد بدون سرنشين در بررسي وضعيت بيماري درختان باغ مركبات در منطقهاي در استان فارس كه آلوده به بيماري زوال ‌‌مي‌باشند مورد ارزيابي قرار گرفت. با استفاده از داده‌هاي اخذ شده توسط اين سامانه، نقشه بيماري درختان براساس شاخص‌هاي گياهي و تمايز درختان بيمار و سالم با استفاده از الگوريتم ‌‌طبقه‌بندي ماشين‌هاي بردار پشتيبان تهيه شد. داده‌هاي زميني برداشت شده نشان از قابليت بالاي روش فوق در تشخيص بيماري درختان داشت. نتايج حاصله بيانگر دقت 90 درصدي طبقه‌بندي درختان بيمار از سالم بود

Today getting access to the monitoring systems with high accuracy in order to produce healthy agricultural products has been raised though the following effective factors are of high importance as well; prevent pest risk and reduce the coast raised from unmanned aerial systems according to low cost, low weight, possibility of taking images in cloudy weather under the cover of clouds, flexibility in time and high spatial resolution imaging which are usable in obtaining remote sensing data and considerable interest. In this regard, the use of these systems shows high potential in obtaining required data in monitoring products and provided control. In this paper, multi-spectral sensor mounted on an unmanned airborne platform in the health status of the regional citrus trees infected with the decline disease in the Fars province investigated. Using data by this system, classified images of studied area based on vegetation index and distinctions between healthy and infected trees, use of SVM are provided. Collected ground data shows the feasibility of these methods in tree’s health status diagnosis. About 90 percent overall accuracy was achieved in the trees classification.