تشخيص آفت حلزون در باغ مركبات تحت شرايط نورپردازي متفاوت با استفاده از شبكه‌هاي عصبي عميق

دفع آفات و امراض جزء مهمترين عمليات در مرحله داشت مركبات محسوب مي شود. امروزه تحقيقات زيادي در زمينه تشخيص آفات و بيماري هاي گياهي با به كارگيري روش هاي ماشين بينايي انجام شده است. يكي از مشكلاتي كه باعث كاهش دقت ماشين براي تشخيص آفات در شرايط مزرعه اي مي شود، وجود عوامل نامساعد از قبيل سايه و تغييرات شدت نور در ساعات مختلف روز مي باشد. در اين پژوهش به منظور يافتن شدت نور مناسب در ساعات مختلف روز از نورپردازي به وسيله يك لامپ در محل تصويربرداري استفاده شده است. براي تشخيص درختان آلوده به آفت حلزون از روش يادگيري عميق با سه نوع الگوريتم بهينه ساز نسبتا قوي يعني RMSProp، Adam و SGDm استفاده شد. براي بررسي و آزمون الگوريتم هاي مورد استفاده، تعداد 8000 تصوير در 9 شرايط مزرعه اي و يك حالت آزمايشگاهي مورد بررسي قرار گرفت. در شرايط مزرعه اي، كمترين مقدار دقت تشخيص الگوريتم ها با 64.32 درصد مربوط به تصويربرداري در روز ابري با شدت نور 350 الي 700 لوكس و با استفاده ازالگوريتم RMSPropحاصل شد، ولي با ايجاد شدت نور كنترل شده به وسيله لامپ (تقربيا 9000 لوكس)، دقت تشخيص با استفاده از الگوريتم SGDm تا 95.25 درصد بهبود يافت. در شرايط آزمايشگاهي كه تصاوير در محيطي كنترل شده با شدت نور ثابت تهيه شده بود، استفاده از الگوريتم SGDm، دقت تشخيص را تا مقدار 98.73 درصد ارتقاء داد.