پیش‎بینی غلظت گرد و غبار در مقیاس آزمایشگاهی با استفاده از فناوری‎های پردازش تصویر و هوش مصنوعی

گرد و غبار یکی از مسائل زیست‌محیطی است که دارای اثرات نامطلوبی در همه بخش‎های کشاورزی و منابع طبیعی است. هدف از تحقیق حاضر پیش‎بینی غلظت گرد و غبار در هوا است. یک سامانه آزمایشگاهی برای گرفتن تصاویر از گرد و غبار شامل اتاقک شیشهای، دمنده، غبارسنج، دوربین تصویربرداری و رایانه پیاده‎سازی شد. با استفاده از خاک رس طوفان‎ گرد و غبار با غلظت‎های مختلف از 0، 275، 1289، 1896، 2316، 2585 و 2750 میکروگرم بر مترمکعب در داخل اتاقک شیشه‎ای ایجاد شد. برای هر غلظت گرد و غبار، 15 تصویر به دست آمد و پس از پیش‎پردازش آن‎ها، میانگین کانال‎های مختلف تصاویر در فضاهای مختلف رنگی استخراج شد. از ویژگی‎های تصاویر برای پیش‎بینی غلظت گرد و غبار با کمک فناوری هوش مصنوعی استفاده شد. داده‌ها به سه گروه تقسیم‎بندی شدند، 60 درصد داده‎ها برای آموزش، 20 درصد برای اعتبارسنجی، و 20 درصد برای آزمون شبکه استفاده شد. مدل‎های مختلف شبکه عصبی مصنوعی پرسپترون چندلایه مورد بررسی قرار گرفت و مشخص شد که مدل با ساختار 1-8-10 با تابع فعال‎سازی تنسیگ در لایه‎های پنهان و خروجی دارای بیشترین دقت (93.81 درصد) است. یافته‎های تحقیق حاضر قابلیت فناوری‎های پردازش تصویر و هوش مصنوعی در پیش‎بینی غلظت گرد و غبار با دقت زیاد و هزینه کم را نشان می‎دهد.