تشخيص علف‌هرز چاودار از گياه سيب‌زميني با استفاده از پردازش ويدئو و هوش محاسباتي

علف‌ هرز به دليل رقابت با محصولات كشاورزي برايدستيابي‌‌ به آب، مواد مغذي، نور خورشيد و . . . بايد از مزرعه حذف شود. روش‌هاي مختلفي براي مبارزه با علف‌هاي هرز وجود دارد مانند روش‌هاي مكانيكي، دستي و استفاده از علف‌كش‌ها كه در ميان كشاورزان، امروزه كاربرد علف‌كش‌ها رايج‌تر است اما اين كار به دليل استفادۀ يكسان در كل مزرعه، به آلودگي زيست محيطي انجاميده است. در اين مطالعه، يك سيستم ماشين بينايي مبتني ‌بر پردازش ويدئو به‌منظور شناسايي علف‌هرز چاودار از گياه سيب‌زميني جهت پاشش بهينۀ علف‌كش پيشنهاد شده است. پس از فيلم‌برداري، پيش‌پردازش و قطعه‌بندي، 965 شيء شناسايي شد. از هر شيء، 14 خصوصيت استخراج شد. با استفاده از روش فراابتكاري هيبريد شبكۀ عصبي مصنوعي – الگوريتم ژنتيك از ميان 14 خصوصيت استخراجي، 6 خصوصيت ميانگين، ممان سوم، خودهمبستگي، همبستگي، عدم تشابه و آنتروپي به عنوان خصوصيات موثر انتخاب شدند. كل داده‌ها به دو دسته تقسيم شدند: داده‌هاي آموزش (70 درصد كل داده‌ها) و داده‌هاي تست و اعتبارسنجي (30 درصد كل داده‌ها). با استفاده از طبقه‌بند هيبريد شبكۀ عصبي مصنوعي – الگوريتم مبتني بر جغرافياي زيستي، طبقه‌بندي انجام گرفت. با دو روش تحليل ماتريس اغتشاش و بررسي نمودار ROC، عملكرد سيستم طبقه‌بند ارزيابي شد. سه معيار حساسيت، دقت و ويژگي با استفاده از ماتريس اغتشاش محاسبه شد. نتايج تحقيق نشان مي‌دهد كه ميزان حساسيت، دقت و ويژگي سيستم طبقه‌بند به‌ترتيب بالاي 99، 99 و 98 درصد است. مي‌توان نتيجه گرفت كه امكان ساخت سيستم ماشين بينايي با هدف ذكر شده كه به صورت برخط كار مي‌كند وجود خواهد داشت.