كاربرد پردازش تصوير و يادگيري عميق در مطالعات گياهان زراعي تحت تنش

تنش‏هاي محيطي (زيستي و غيرزيستي) از يكي چالش‏هاي مهم توليدكنندگان كشاورزي و امنيت غذايي بشر است. توليد پايدار با شناخت تنش‏هاي محيطي به كمك مطالعات فيزيولوژيك گياهي امكان‏پذير است. ساليان زيادي است كه پژوهش‏هاي فيزيولوژيك و فنوتيپي گياهان زراعي بر مبناي روش‏هاي فشرده آزمايشگاهي قديمي، تخريبي و زمان‏بر در آزمايشگاه و مزرعه بوده است. حل اين مسئله با استفاده از روش‏هاي سريعي مانند تكنولوژي بينايي ماشين، الگوريتم‏هاي يادگيري ماشين و يادگيري عميق بدست مي‏آيد. اين روش‏ها با پايش تغييرات فنوتيپي و فيزيولوژيك گياهان زراعي در جهت پيش‏بيني يا تشخيص تنش‏ها، گام‏هاي موثري برداشته شود. در مقاله حاضر آخرين تكنولوژي‏هاي تصوير، شاخص‏هاي گياهي و الگوريتم‏هاي متنوع مرتبط با گياهان تحت تنش مرور شده است. همچنين، الگوريتمهاي بسيارپركاربرد شبكه عصبي پيچشي در پردازش تصاوير گياهان تحت تنش به طور خلاصه ذكر شده است. از طرف ديگر، چالش‏هاي كنوني استفاده از تكنيك‏هاي پردازش تصوير و هوش مصنوعي مرتبط با گياهان تحت تنش مورد بحث قرار گرفته است.