تشخیص هوشمند تاسل در تصاویر پهپادی با استفاده از یادگیری عمیق برای تعیین تاریخ گل دهی

تخمین عملکرد و بررسی روند رشد در گونه های مختلف از یک محصول در کشاورزی دقیق برای محققین و کارشناسان حوزه کشاورزی بسیار حائز اهمیت است. در این مقاله روشی نوین مبتنی بر یادگیری عمیق تک مرحله ای به نام gp-yolov5 برای شناسایی خودکار تاسل در تصاویر پهپادی از یک مزرعه بزرگ ذرت در تاریخ های مختلف رشد و تخمین زمان گل دهی ارائه شده است. در این راستا ابتدا به دلیل رشد تعداد کمی از تاسل ها در مراحل اولیه رشد برای داده افزایی از شبکه مولد متخاصم gp-gan استفاده شد. سپس برای شمارش و تشخیص تاسل ها ساختار و پارامترهای آشکارساز yolov5 برای افزایش دقت مطابق با پایگاه داده اصلاح شد. در ادامه شمارش گیاهان در مراحل اولیه کاشت به عنوان یک پارامتر مهم در تعیین تاریخ گل دهی در نظر گرفته شد. شمارش گیاهان با استفاده از آشکارساز centernet انجام شده است و از الگوریتم های درون یابی و پیش بینی برای تعیین تاریخ گل دهی استفاده شد. روش پیشنهادی با دو روش معتبر مبتنی بر تشخیص  centernet و  روش مبتنی بر رگرسیون tasselnetv2+ برای شمارش تاسل ها مقایسه شد. دقت میانگین در تشخیص صحیح تاسل ها در روش پیشنهادی 96.81 و در روش centernet، 81.78 درصد است که نشان می دهد دقت روش پیشنهادی بالاتر از روش centernet است.