شناسایی آفات مرکبات با به‌کارگیری پهپاد و روش‌های هوش مصنوعی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری گروه مهندسی بیوسیستم، دانشکده علوم کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی- اردبیل

2 هیات علمی گروه مهندسی بیوسیستم، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران.

3 پژوهشگر پسادکتری، گروه مهندسی بیوسیستم، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران.

10.22034/jrmam.2022.10139.558

چکیده

امروزه اجرای کشاورزی دقیق با هدف مدیریت و کنترل آفات می‌تواند در استفاده بهینه سموم، کاهش اثرات نامطلوب زیست محیطی و تضمین سلامتی بشر مؤثر باشد، لیکن مدیریت تک‌تک درختان در سطح وسیع چالش بزرگی به‌شمار می‌آید. بنابراین، به‌کارگیری یک سامانه بینایی ماشین برای پایش و شناسایی آفات درختان در مرحله داشت ضروری به‌نظر می‌رسد. در این پژوهش، یک پهپاد مجهز به دوربین برای شناسایی آفات در نقاط مختلف باغ مرکبات مورد استفاده قرار گرفت. برای انتخاب بهینه سرعت خطی پهپاد، سه سرعت در محدوده 10، 20 و 30 سانتی‌متر بر ثانیه در نظر گرفته شد. ویدئوهای ثبت شده پس از فریم‌بندی و تغییر ابعاد به سه مدل از پیش آموزش دیده شده یادگیری عمیق AlexNet، VGG-16 و GoogleNet ارائه شد. برای انتخاب الگوریتم مناسب، سه الگوریتم بهینه‌ساز متفاوت یعنی SGDm، RMSProp و Adam در فرآیند آموزش شبکه مورد استفاده قرار گرفت. نتایج ارزیابی نشان داد که مدل GoogleNet به‌کمک الگوریتم SGDm از نظر دقت تشخیص، بهترین عملکرد را داشته است. بیشترین دقت تشخیص آفت به‌مقدار 43/96% در سرعت 10 سانتی‌متر بر ثانیه به‌دست آمد، به‌طوری که با افزایش محدوده سرعت به 30 سانتی‌متر بر ثانیه، میزان دقت تشخیص به‌مقدار 13% کاهش یافت. نتایج این تحقیق نشان می‌دهد که استفاده از ترکیب پهپاد و روش‌های هوش مصنوعی می‌تواند به متخصصان و کشاورزان در مدیریت و کنترل آفات باغ مرکبات کمک نماید.

کلیدواژه‌ها

عنوان مقاله [English]

Identification of citrus pests using Unmanned Aerial Vehicles and artificial intelligence methods

چکیده [English]

Today, the implementation of precision agriculture to manage and control citrus pests can effectively optimize pesticide use, reducing adverse environmental effects and ensuring human health. But managing individual trees on a large scale is a big challenge. Therefore, using a machine vision system seems necessary to monitor and identify pests in different parts
of the trees at different times. In this study, an Unmanned Aerial Vehicle (UAV) equipped with a camera was used to identify pests in other parts of the citrus orchard. For the optimal selection of the UAV linear speed, three speeds in the range of 10, 20, and 30 cm/s were considered. After framing and formatting, the recorded videos were trained in three pretrained models: AlexNet, VGG-16, and GoogleNet. Three optimization algorithms were used in the network training process: SGDm, RMSProp, and Adam. The evaluation results showed that the AlexNet model, with the help of SGDm algorithm, had the best performance in terms of detection accuracy. The highest pest detection accuracy was 96.43% at a velocity of 10 cm/s, so increasing the linear velocity to 30 cm/s reduced the detection accuracy by 13%. The results of this study show that using a combination of UAV technology and artificial intelligence methods can help professionals and farmers manage and control citrus orchard pests. 

کلیدواژه‌ها [English]

  • Citrus
  • Deep learning
  • Machine vision
  • Pest detection
  • Transfer Learning