کاربرد پردازش تصویر و یادگیری عمیق در مطالعات گیاهان زراعی تحت تنش (مقاله مروری)

تنش‏های محیطی (زیستی و غیرزیستی) از یکی چالش‏های مهم تولیدکنندگان کشاورزی و امنیت غذایی بشر است. تولید پایدار با شناخت تنش‏های محیطی به کمک مطالعات فیزیولوژیک گیاهی امکان‏پذیر است. سالیان زیادی است که پژوهش‏های فیزیولوژیک و فنوتیپی گیاهان زراعی بر مبنای روش‏های فشرده آزمایشگاهی قدیمی، تخریبی و زمان‏بر در آزمایشگاه و مزرعه بوده است. حل این مسیله با استفاده از روش‏های سریعی مانند تکنولوژی بینایی ماشین، الگوریتم‏های یادگیری ماشین و یادگیری عمیق بدست می‏آید. این روش‏ها با پایش تغییرات فنوتیپی و فیزیولوژیک گیاهان زراعی در جهت پیش‏بینی یا تشخیص تنش‏ها، گام‏های موثری برداشته شود. در مقاله حاضر آخرین تکنولوژی‏های تصویر، شاخص‏های گیاهی و الگوریتم‏های متنوع مرتبط با گیاهان تحت تنش مرور شده است. همچنین، الگوریتمهای بسیارپرکاربرد شبکه عصبی پیچشی در پردازش تصاویر گیاهان تحت تنش به طور خلاصه ذکر شده است. از طرف دیگر، چالش‏های کنونی استفاده از تکنیک‏های پردازش تصویر و هوش مصنوعی مرتبط با گیاهان تحت تنش مورد بحث قرار گرفته است.