استفاده از تکنیک پردازش تصویر و شبکه های عصبی مصنوعی برای شناسایی علف های هرز مزارع ذرت

علف های هرز به صورت لکه ای در مزرعه سبز می شوند. سمپاشی لکه ای علف های هرز، موجب کاهش مصرف علف کش ها، هزینه و آلودگی محیط زیست می شودد. برای تصمیم گیری در زمینه کنترل توسط فن آوری بینایی ماشین که در سمپاشی لکه ای به کار می رود، به تصویر و پردازش آن نیاز است. شناسایی درست علف های هرز و طبقه بندی آن ها، کلید اتخاذ تصمیمات کنترلی و اجرای عملیات سمپاشی است. در این تحقیق، روشی مبتنی بر ترکیب پردازش تصویر،  برای جداسازی علف های هرز از سایر اجزای تصویر و شبکه عصبی مصنوعی برای طبقه بندی پیشنهاد شده است. علف های هرز شامل تاج خروس ریشه قرمز،سلمه تره، آفتاب پرست، تاج خروسخوابیده ، تاج ریزی، سوروف و گاورس بودند. نتایج نشان داد که این الگوریتم، با دقت قابل قبولی علف های هرزرا از خاک جداسازی کرد. در گام بعد، ویژگی های مرتبط با رنگ و شکل، از علف های هرز استخراج شدند. سرانجام، به منظور طبقه بندی هفت کلاس علف هرز، از روش شبکه عصبی مصنوعی پرسپترون، با ساختار 7 -15-15-43  و میانگین دقت کل 71/88 درصد استفاده شد. نتایج حاصل از این مطالعه نشان داد که سامانه پیشنهادی، توانایی تشخیص علف های هرز با دقت مناسب را دارد. کاربرد چنین سامانه هایی می تواند با تشخیص به موقع علف های هرز و کاهش مصرف علف کش ها، بروز پدیده مقاومت علف های هرز به علف کش ها را به تاخیر اندازد و آلودگی های زیست محیطی را کاهش دهد.