شناسایی آفت سن مادر در مزارع غلات با استفاده از تکنیک پردازش تصاویر دریافتی از پهپاد

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش‌آموخته مقطع کارشناسی‌ارشد، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه شهرکرد، شهرکرد، ایران،

2 استادیار، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه شهرکرد، شهرکرد، ایران

3 دانشیار، گروه مهندسی آب ، دانشکده کشاورزی، دانشگاه شهرکرد، شهرکرد، ایران،

4 مربی پژوهشی، بخش آفات و بیماریهای گیاهی، مرکز تحقیقات کشاورزی و منابع طبیعی استان اصفهان، اصفهان، ایران

چکیده

نظر به اینکه گندم و جو از محصولات با اهمیت و استراتژیک کشور ایران است و یکی از مهمترین آفات این محصولات سن غلات می‌باشد، بنابراین هر ساله سازمان حفظ نباتات کشور این آفت خطرناک را پایش می‌کند تا در زمان مناسب دستور مبارزه صادر شود. طبق آمارهای وزارت جهاد کشاورزی خسارت ناشی از آفات، بیماری‌ها و علف‌های هرز هر ساله حدود 35-30 درصد کل محصول را در بر می‌گیرد که 12-10 درصد آن مربوط به حشرات مضر می‌باشد و در مناطقی که آلودگی شدید باشد، خسارت وارده به محصول حتی به 100 درصد هم می‌رسد. پایش یک به یک مزارع کاری بسیار سخت و وقت‌گیر، در بازه زمانی محدود که نیازمند تعداد زیادی نیروی انسانی متخصص است. حضور فیزیکی کارشناسان در مزارع جهت انجام عملیات پایش، نیازمند صرف زمان و هزینه است و هم باعث آسیب به گیاهان در مزارع می‌شود. یکی از اهداف این پژوهش استفاده از روشی غیرمخرب برای چنین عملیاتی در شناسایی آفت سن غلات است. در این تحقیق شمارش آفت سن مادر در مزارع غلات و نرم‌گیری آن به دو روش استفاده از پردازش تصاویر هوایی با ثبت 954 تصویر و روش کادراندازی و شمارش چشمی در مزرعه توسط کارشناس خبره در دو مزرعه با نرم متفاوت انجام گرفت. پس از پردازش تصاویر با استفاده از محیط Pycharm در نرم افزار پایتون، تعداد سن در هر تصویر بدست آمد، نتایج آنالیز آماری نشان داد که اختلاف میانگین این دو روش در سطح احتمال 1% معنادار نیست و می‌توان با اطمینان از این روش برای پایش آفت سن مادر مزارع غلات استفاده کرد. در این پژوهش با استفاده از پردازش تصاویر پهپادی، روشی سریع و دقیق، بدون خسارت به محصول، برای نرم‌گیری آفت سن و صدور دستور سمپاشی جهت جلوگیری از وارد‌آمدن خسارت به مزرعه بدست آمد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Identification of sunn pest (Eurygaster) in cereal farms using UAV image processing technique

نویسندگان [English]

  • somaye Shadmanfar 1
  • amin lotfalian dehkordi 2
  • ahmad reza Ghasemi Dastgerdi 3
  • Alireza Haghshenas Nasrabadi 4
1 M.Sc., Department of Mechanical Engineering of Biosystems, Faculty of Agriculture, Shahrekord University, Shahrekord, Iran.
2 Assistant Professor, Department of Mechanical Engineering of Biosystems, Faculty of Agriculture, Shahrekord University, Shahrekord, Iran.
3 Associate Professor, Water Engineering Department, Faculty of Agriculture, Shahrekord University, Shahrekord, Iran.
4 Lecturer, Plant Protection Research Department, Isfahan Agricultural & Natural Resources Research Center, Isfahan, Iran
چکیده [English]

Considering that wheat and barley are important and strategic products in Iran, the Sunn pest is one of the most important pests of these products. Every year, the country's plant protection organization monitors this dangerous pest so that an order to fight it can be issued at the right time. Farm monitoring is a very difficult, time-consuming, and destructive task; it also requires a large number of specialized human resources. One of the goals of this research is to create a non-destructive method for such an operation in the identification of Sunn pests. In this research, the counting of Sunn pests in cereal farms was done by two methods using aerial image processing by recording 954 images and framing method and eye counting in the farm by an expert in two farms with different numbers of this pest. The number of pests in each image was obtained after processing the images using the Python programming language in the PyCharm learning library. The statistical study results showed no significant difference at the 1% probability level between the average data of the two methods. This method can be used confidently to monitor the Sunn pest in cereal farms. In this research, by using UAV image processing, a fast, accurate, and non-destructive method was proposed and evaluated for counting the pests and issuing spraying orders in cereal farms.

کلیدواژه‌ها [English]

  • Image processing
  • UAV
  • Sunn pest
  • Eurygaster counting
  • Machine learning

فایل ها

هم رسانی

ارجاع به این مقاله

آمار