شناسايي آفات مركبات با به‌كارگيري پهپاد و روش‌هاي هوش مصنوعي

امروزه اجراي كشاورزي دقيق با هدف مديريت و كنترل آفات مي‌تواند در استفاده بهينه از سموم، كاهش اثرات نامطلوب زيست محيطي و تضمين سلامتي بشر مؤثر باشد. ليكن مديريت تك‌تك درختان در سطح وسيع چالش بزرگي به‌شمار مي‌آيد. بنابراين، به‌كارگيري يك سامانه بينايي ماشين براي پايش و شناسايي آفات درختان در مرحله داشت ضروري به‌نظر مي‌رسد. در اين پژوهش، يك پهپاد مجهز به دوربين براي شناسايي آفات در نقاط مختلف باغ مركبات مورد استفاده قرار گرفت. براي انتخاب بهينه سرعت خطي پهپاد، سه سرعت در محدوده 10، 20 و 30 سانتي‌متر بر ثانيه در نظر گرفته شد. ويدئوهاي ثبت شده پس از فريم‌بندي و تغيير ابعاد به سه مدل از پيش آموزش ديده شده يادگيري عميق AlexNet، VGG-16 و GoogleNet ارائه شد. براي انتخاب الگوريتم مناسب، سه الگوريتم بهينه‌ساز متفاوت يعني SGDm، RMSProp و Adam در فرآيند آموزش شبكه مورد استفاده قرار گرفت. نتايج ارزيابي نشان داد كه مدل GoogleNet به‌كمك الگوريتم SGDm از نظر دقت تشخيص، بهترين عملكرد را داشته است. بيشترين دقت تشخيص آفت به‌مقدار 96/43% در سرعت 10 سانتي‌متر بر ثانيه به‌دست آمد، به‌طوري كه با افزايش محدوده سرعت به 30 سانتي‌متر بر ثانيه، ميزان دقت تشخيص به‌مقدار 13% كاهش يافت. نتايج اين تحقيق نشان مي‌دهد كه استفاده از تركيب پهپاد و روش‌هاي هوش مصنوعي مي‌تواند به متخصصان و كشاورزان در مديريت و كنترل آفات باغ مركبات كمك نمايد.