تشخيص كرم ساقه‌خوار برنج (Chilo suppressalis) با كمك تصاوير تلفن هوشمند و يادگيري عميق

در بين محصولات كشاورزي، برنج يكي از اصلي‌ترين منابع غذايي در كشورهاي خاورميانه، به‌ويژه ايران است. مقابله موثر و به‌هنگام با آفات مزارع برنج، يكي از بزرگ‌ترين چالش‌هاي پيش رو در زمينه زراعت اين محصول است. كرم ساقه‌خوار برنج (Chilo suppressalis) از آفات كليدي گياه برنج در شمال ايران مي‌باشد. در حال حاضر، تشخيص نوع آفت‌هايي كه به مزارع برنج هجوم مي‌برند به نيروي انساني و تجربه كافي متكي است. تشخيص آفت در مراحل اوليه به‌منظور به حداقل رساندن خسارت به‌عنوان اقدام پيشگيرانه ضروري است. توسعه هوش مصنوعي و الگوريتم‌هاي يادگيري ماشين، دريچه جديدي را در صنايع مختلف از جمله كشاورزي صنعتي ايجاد كرده است. با استفاده از يادگيري ماشين مي‌توان تا حدود زيادي از خطا‌هاي موجود در شناسايي آفت جلوگيري كرد. از طرف ديگر در سال‌هاي اخير همگاني شدن استفاده از تلفن همراه هوشمند و توسعه شيوه دريافت اطلاعات داوطلبانه، امكان پايش خودكار به‌منظور كاهش نيروي انساني براي كشاورزان فراهم شده است. هدف از اين تحقيق، شناسايي خودكار كرم ساقه‌خوار برنج با استفاده از تصاوير تلفن همراه و معرفي و توسعه يك برنامه كاربردي براي كشاورز جهت شناسايي دقيق آفت است. از برنامه كاربردي توسعه‌داده شده براي كشاورز به‌منظور دريافت تصاوير كرم ساقه‌خوار برنج براي آموزش شبكه عصبي عميق استفاده شد. سپس، با استفاده از تكنيك هاي يادگيري عميق به آموزش مدل پرداخته شد. نتايج حاصل نشان داد كه مدل آموزش‌ديده با استفاده از تصاوير تلفن هوشمند با دقت 92 درصد و صحت 88 درصد عملكرد مناسبي در تشخيص آفت كرم ساقه‌خوار دارد.