تشخیص دو نوع علف هرز با استفاده از سیستم بینایی ماشین در راستای استفاده در سم پاشی خاص مکانی

مبارزه هدفمند با علف های هرز یکی از اهداف اصلی در کشاورزی دقیق می باشد. یکی از روش هایی که مبارزه هدفمند را اجرایی می کند استفاده از سیستم های بینایی ماشین می باشد. به همین دلیل در این مطالعه یک سیستم بینایی ماشین مبتنی بر طبقه بند هیبرید شبکه عصبی مصنوعی– الگوریتم شبیه سازی تبرید-الگوریتم ژنتیک به منظور سم پاشی خاص مکانی براساس فیلم برداری در مزرعه ارائه گردید. به منظور آموزش الگوریتم سیستم بینایی ماشین، فیلم برداری از مزارع سیب زمینی رقم مارفونا واقع در استان کرمانشاه که در هفته ششم از مرحله رشد بودند انجام گرفت. مساحت مربوط به این مزارع 4 هکتار بود. در این مزارع دو نوع علف هرز با عناوین گل گندم و پنیرک وجود داشتند. به منظور بررسی پیچیده ترین شرایط کاری سیستم بینایی ماشین، پلتفرم با سرعت 103/0 متر بر ثانیه در شرایط نور طبیعی مزرعه ای یعنی شدت نور 1820 لوکس فیلم های مزرعه ای را جمع آوری کرد. در نهایت از ویدئوهای مزرعه ای 2581 شی ء (به پیکسل های به هم پیوسته در یک فریم شیء گفته می شود) استخراج گردید که 1806 شیء جهت آموزش الگوریتم سیستم بینایی ماشین و 775 شیء باقیمانده جهت تست آن مورد استفاده قرار گرفت. از میان 206 خصوصیت استخراجی از هر شی، 6 خصوصیت مولفه دوم اضافی در فضای رنگی YCbCr، شاخص سبز منهای آبی فضای رنگی RGB، مجموع آنتروپی همسایگی 45 درجه، مومنت قطری همسایگی صفر درجه، آنتروپی همسایگی 45 درجه، شاخص مولفه سوم اضافی فضای رنگی CMY با استفاده از روش هیبرید ANN-PSO انتخاب شدند. نتایج نشان داد که سیستم طبقه بند با دقت 61/99 درصد قادر به طبقه بندی نمونه های مربوط به سه کلاس گیاه سیب زمینی، گل گندم و پنیرک می باشد.