تشخيص و شمارش خودكار شب ‌پره مينوز گوجه‌ فرنگي، Tuta absoluta با استفاده از تكنيك يادگيري عميق

استفاده از فناوري هاي نوين براي تشخيص و اندازه‌گيري تراكم جمعيت آفات، مي تواند گام مهمي براي تسهيل در اجراي برنامه‌هاي مديريت تلفيقي آفات و كنترل دقيق تر و مؤثرتر آن‌ها باشد. در اين پژوهش، از تكنيك يادگيري عميق و شبكه عصبي كانولوشنال با معماري AlexNet، جهت تشخيص و شمارش خودكار شب‌پره مينوز گوجه‌فرنگي Tuta absoluta (Myrick) (Lepidoptera: Gelechiidae)، يكي از آفات كليدي گياه گوجه‌فرنگي در ايران، استفاده شد. براي جمع‌آوري تصاوير حشرات بالغ T. absoluta، تعداد 15 تله دلتا در دو هكتار از مزارع گوجه‌فرنگي پرديس كشاورزي و منابع طبيعي دانشگاه رازي، نصب گردد. به‌منظور تهيه تصاوير، از دوربين عكاسي سوني مدل  DSC-WX100 با دقت مؤثر حسگر 18 مگاپيكسل، استفاده شد. براي ارزيابي عملكرد شبكه عصبي پيچشي با معماري AlexNet از پارامترهاي دقت متوسط، دقت و يادآوري استفاده و براي ارزيابي عملكرد در شمارش، از منحني رگرسيون خطي و ضريب تبيين استفاده شد. پارامترهاي دقت متوسط (0.98)، دقت (100) و يادآوري (100) نشان از عملكرد بالاي شبكه عصبي كانولوشنال در تشخيص شب‌پره مينوز گوجه‌فرنگي داشت و همچنين ضريب تبيين (0.98)، بيانگر دقت بالاي شبكه در شمارش اين آفت بود. به‌طور كلي، نتايج نشان داد كه شبكه عصبي مي تواند راه حلي كاربردي براي تشخيص و شمارش دقيق اين آفت روي گوجه‌فرنگي با استفاده از تصاوير گرفته ‌شده ارائه كند.