سیستمی هوشمند برای تشخیص کمبودهای غذایی پسته
آبیاری: شناسایی بموقع و صحیح کمبودهای غذایی گیاهان و رفع صحیح آنها، نقش قابل توجهی در گرفتن محصول قابل قبول در سیستم های کشاورزی دارد. پژوهشگران کشورمان دراین زمینه، سیستمی هوشمند را برای درخت پسته طراحی و با موفقیت آزمایش کرده اند.
به گزارش آبیاری به نقل از ایسنا، در عالم گیاهان، بیماریهای فیزیولوژیک یا غیر مسری مشکلاتی هستند که توسط عوامل غیرانگلی ایجاد می شوند. خسارت این عوارض بسته به شدت آنها اغلب بیشتر از بیماریهای به وجود آمده توسط میکروب ها است و شدت آنها که در بعضی مواقع می تواند مرگ گیاه را به دنبال داشته باشد، نیز بستگی به نوع عامل دارد. از عوامل بروز این اختلال می توان به نور، دما، رطوبت، بستر رویش، اقلیم و موقعیت جغرافیایی، عناصر ریزمغذی و ابزار و ماشین آلات کاشت اشاره نمود. در این میان، کمبود مواد مغذی یکی از فاکتورهای مهم در بروز بیماریهای فیزیولوژیک یا غیر مسری است که نیاز به توجهی خاص دارد.
بگفته پژوهشگران علوم کشاورزی کشور، هم اکنون محصول پسته، بخش قابل توجهی از صادرات محصولات کشاورزی را به خود مختص کرده است. با عنایت به اهمیت ویژه این محصول در کشور و صادرات آن به خارج از کشور افزایش راندمان این محصول بسیار مهم می باشد. یکی از راه های بهبود کیفیت این محصول شناسایی بموقع کمبودهای مواد مغذی درخت آنست. برای این منظور روش های مختلفی وجود دارد. ازجمله این روش ها می توان به بررسی چشمی برگ، تجزیه خاک و روش های آزمایشگاهی مخصوص اشاره نمود که در میان آنها، بررسی چشمی برگ از مرسوم ترین روش هاست، ولی در عین حال با خطای بیشتری هم راه است و در صورت امکان بایستی آنرا با فناوری بهبود بخشید.
در همین زمینه، تیم پژوهشی سه نفره ای از دانشگاه یزد یک مطالعه جالب توجه را انجام داده اند که در آن روشی برای شناسایی و طبقه بندی هوشمند کمبود مواد مغذی در درختان پسته ابداع و با موفقیت آزمایش شده است.
در این پژوهش پژوهشگران ضمن جمع آوری داده ها و برچسب گذاری آنها، یک روش خودکار و هوشمند مبتنی بر پردازش تصویر و یادگیری ماشین برای تشخیص کمبود مواد مغذی در درختان پسته ارائه کردند.
آنها در ابتدا با تصویربرداری از برگ های مختلف، داده های مناسب را جمع آوری و برچسب گذاری کردند تا سیستم هوشمند آموزش داده شود و سپس خود به تنهایی بتواند کار تفکیک را بدون کمک انسان انجام دهد. مراحل اصلی در سیستم پیشنهادی شامل: پیش پردازش، شناسایی نواحی دارای کمبود، استخراج خاصیت و طبقه بندی نوع کمبود در هر ناحیه هستند.
نتایج بررسی های این تحقیق نشان داد که روش فوق تحت عنوان «طبقه بندی کننده ماشین بردار پشتیبان»، می تواند با دقت بالایی کار تشخیص کمبودهای مواد مغذی را در گیاه پسته برمبنای بررسی تصاویر برگ آن انجام دهد.
مهدی یزدیان دهکردی، استادیار بخش هوش مصنوعی دانشکده مهندسی کامپیوتر دانشگاه یزد و همکارانش دراین باره می گویند: «در این پژوهش روشی مبتنی بر پردازش تصویر و ارائه یک مدل ماشین بردار پشتیبان برای تشخیص انواع کمبود مواد مغذی درختان پسته و برمبنای خاصیت های برگی ارائه شده است. در الگوریتم پیشنهادی بعد از پردازش تصاویر و استخراج خاصیت های برگ، از تفاوت شدت رنگ برای تفکیک انواع کمبودها از یکدیگر استفاده شد».
بگفته آنها، «می توان گفت این سیستم با دقت ۸۹ درصد قادر می باشد انواع کمبودها را تشخیص دهد که دقتی قابل قبول برای به کارگیری در سطوح بزرگ تر است».
نتایج حاصل از این پژوهش که در فصل نامه «پژوهش های مکانیک ماشین های کشاورزی» متعلق به دانشگاه شهرکرد انتشار یافته اند، نشان می دهند که شناسایی خودکار کمبود مواد مغذی برمبنای روش های هوشمند پردازش تصویر و یادگیری ماشین می تواند نسبت به راهکارهای آزمایشگاهی روشی مناسب ازنظر هزینه، سرعت تشخیص و همین طور دقت باشد.
منبع: آبیاری
مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب