شناسایی آفات مرکبات با به‌کارگیری پهپاد و روش‌های هوش مصنوعی

امروزه اجرای کشاورزی دقیق با هدف مدیریت و کنترل آفات می‌تواند در استفاده بهینه از سموم، کاهش اثرات نامطلوب زیست محیطی و تضمین سلامتی بشر موثر باشد. لیکن مدیریت تک‌تک درختان در سطح وسیع چالش بزرگی به‌شمار می‌آید. بنابراین، به‌کارگیری یک سامانه بینایی ماشین برای پایش و شناسایی آفات درختان در مرحله داشت ضروری به‌نظر می‌رسد. در این پژوهش، یک پهپاد مجهز به دوربین برای شناسایی آفات در نقاط مختلف باغ مرکبات مورد استفاده قرار گرفت. برای انتخاب بهینه سرعت خطی پهپاد، سه سرعت در محدوده 10، 20 و 30 سانتی‌متر بر ثانیه در نظر گرفته شد. ویدئوهای ثبت شده پس از فریم‌بندی و تغییر ابعاد به سه مدل از پیش آموزش دیده شده یادگیری عمیق alexnet، vgg-16 و googlenet ارائه شد. برای انتخاب الگوریتم مناسب، سه الگوریتم بهینه‌ساز متفاوت یعنی sgdm، rmsprop و adam در فرآیند آموزش شبکه مورد استفاده قرار گرفت. نتایج ارزیابی نشان داد که مدل googlenet به‌کمک الگوریتم sgdm از نظر دقت تشخیص، بهترین عملکرد را داشته است. بیشترین دقت تشخیص آفت به‌مقدار 96/43% در سرعت 10 سانتی‌متر بر ثانیه به‌دست آمد، به‌طوری که با افزایش محدوده سرعت به 30 سانتی‌متر بر ثانیه، میزان دقت تشخیص به‌مقدار 13% کاهش یافت. نتایج این تحقیق نشان می‌دهد که استفاده از ترکیب پهپاد و روش‌های هوش مصنوعی می‌تواند به متخصصان و کشاورزان در مدیریت و کنترل آفات باغ مرکبات کمک نماید.