بررسی توانایی شبکه‌های عصبی پیچشی به منظور شناسایی علف‌های هرز

الگوریتم‌های هوش مصنوعی می‌توانند در مدیریت محصولات کشاورزی بسیار موثر باشند. این الگوریتم‌ها می‌توانند داده‌های بزرگ و پیچیده را تحلیل کنند و الگوها، روندها و اطلاعات مفهومی را استخراج کنند. همچنین، با ترکیب کشاورزی با هوش مصنوعی، این صنعت در بخش‌های مختلف خود، از شکل سنتی‌ خارج شده و وارد مسیر تکاملی شده است. از این رو، بکارگیری روش‌های نوین در صنعت کشاورزی یک ضرورت جدی است. استفاده از حسگرها و ابزارهای تعبیه‌شده در تکنولوژی‌های پهپادها، می‌تواند عوارض مربوط به مزارع را تشخیص دهد. با این هدف، تمرکز مطالعه حاضر، بررسی کاربردهای شبکه عصبی پیچشی در کشاورزی به منظور تشخیص علف‌های هرز، با استفاده از حسگرها و ابزارهای تعبیه‌شده در تکنولوژی‌های ماشین‌آلات و پهپادها است. برای انجام این کار، یک مزرعه 25 هکتاری از واحد کشت و صنعت نیشکر امیرکبیر انتخاب شد. سپس، به منظور آنالیز شرایط مزرعه، تصویربرداری مزارع توسط پهپاد مدل ebee sq صورت گرفت. تصاویر دریافتی با استفاده از شبکه عصبی lenet-5 پردازش و نقشه علف‌های هرز در سطح مزرعه تهیه گردید. نتایج دقت کلی نقشه تهیه شده 8/88% ، همچنین علف هرز و نیشکر به ترتیب با دقت 95/0 و 44/0 بدست آمدند. این نتایج نشان دهنده توانایی مناسب این فناوری‌ در شناسایی موقعیت بخش‌های از مزرعه که علف‌های هرز می‌باشد. این نقشه‌ها در صرفه جویی مصرف بیش از حد آفت‌کش‌ها و علف‌کش‌ها از سطح مزرعه و جلوگیری از صدمه وارد شدن به محصول هنگام استفاده از ابزارآلات سنگین همچون تراکتور ارزشمند هستند. از طرف دیگر، استفاده بهینه از نیروی انسانی و افزایش بهره‌وری را به دنبال خواهد داشت. همچنین مدل‌سازی‌های اولیه، دید دقیق‌تری به مدیران و کارشناسان کشاورزی می‌دهد تا مروری مختصر در مورد استفاده و پیاده‌سازی شبکه‌های عصبی در عرصه کشاورزی و سیستم‌های وجین علف‌های هرز از طریق تکنولوژی‌های جدید و تصاویر سنجش از دور داشته باشند.