فناوري ماشين‌بينايي در كشاورزي دقيق: مروري جامع بر اصول و كاربردها

رشد جمعيت جوامع و ارتقاي سطح زندگي، لزوم بهره­گيري از روش­هاي جديد به­منظور تهيه مواد غذايي سالم و با كيفيت را پديد آورده است. با توجه به توسعه چشمگير روش‌هاي پردازش تصوير و ماشين‌بينائي، تحقيقات بسياري به­منظور ارائه يك راه حل مبتني بر پردازش تصوير در مسائل مختلف و رو به رشد كشاورزي دقيق ارائه شده است. در حال حاضر، محققين به­طور گسترده از پردازش تصوير براي هوشمندسازي بخشي از مراحل مختلف زراعت و باغباني، از جمله كاشت، كنترل علف‌هاي هرز، آبياري، سمپاشي، كودپاشي، بررسي روند رشد گياه و برداشت محصول استفاده كرده‌اند. اين روش‌هاي هوشمندسازي در بخش كشاورزي علاوه بر كاهش هزينه­هاي توليد و نهاده‌هاي كشاورزي، اثرات چشم­گيري نيز در حفظ منابع آب و محيط زيست ايفا مي­كنند. در اين بررسي مروري، روش‌هاي مبتني بر پردازش تصوير كه تاكنون براي هوشمندسازي كنترل علف‌هاي هرز و مديريت موضعي سمپاشي و آبياري معرفي شده‌اند، مورد بررسي قرار گرفته‌اند. همچنين تلاش شده است تا عملكرد هر روش به­همراه مزايا و معايب آن بررسي شود. در نهايت، چشم‌انداز آينده كاربردهاي پردازش تصوير در حوزه‌هاي مورد بررسي كشاورزي دقيق ترسيم شده است.

Population growth and the improvement of the living level have resulted in the use of new methods to produce healthy and quality food. Due to the remarkable development of image processing and machine vision methods, a lot of research has been presented to provide an effective solution based on image processing in various fields of precision agriculture. Researchers have currently widely used image processing in smart farming and gardening, including planting, weed control, irrigation, spraying, fertilization, plant growth monitoring, and crop harvesting. In addition to reducing production costs and agricultural inputs, these methods also have significant effects on the conservation of water resources and protecting the environment. In this review study, image processing-based methods that have been introduced so far for smart weed control, local spraying, and irrigation management are investigated. It is also attempted to evaluate the performance of each method with its advantages and disadvantages. Finally, the future perspectives of image processing applications in the fields of precision agriculture are expressed.