نام پژوهشگر: اشکان نیکیان

ارائه و ارزیابی الگوریتم مناسب برای شناسایی ردیف کشت به وسیله ماشین بینایی
thesis وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده کشاورزی 1388
  اشکان نیکیان   محمدحسین رئوفت

یکی از مهمترین مشکلات کشاورزان در اراضی کشاورزی، مبارزه با علفهای هرز و مقاومت آنها نسبت به علف کش ها می باشد. از جمله روش های مرسوم مبارزه با علف هرز روش مکانیکی و روش استفاده از علف کش های انتخابی را می توان نام برد. با پیشرفت فن آوری علف کش های انتخابی، کارآیی این علف کش ها روز به روز افزایش می یابد. علت اصلی عدم استقبال کشاورزان از این روش، بالا بودن قیمت سموم در مقایسه با روش حذف دستی می باشد. با توجه به هزینه بسیار زیادی که در این روش جهت بکار گیری کارگر صرف خواهد شد و با در نظر گرفتن صدمات وارده به محصول بدلیل تردد کارگران، هدایت هوشمند این ادوات جهت افزایش استفاده از وجین کن های مکانیکی، گام بزرگی جهت بکارگیری موثرتر ادوات مکانیکی بمنظور حذف علفهای هرز می باشد. اولین گام در راستای این مهم شناسایی ردیف کشت توسط الگوریتم خط¬یابی می باشد. در تحقیق حاضر با استفاده از الکوریتم برازش خطی و توسعه آن با زیر برنامه الحاقی الگوریتم جامعی ارائه گردید تا بتوان به شناسایی خطوط کشت با کمترین زمان پردازش و بیشترین دقت شناسایی پرداخت. ابتدا الگوریتم¬های بدست آمده در دو حالت کم پشت و پرپشت مزرعه ارزیابی شد. سپس جهت افزایش دقت شناسایی، جداسازی ردیف اصلی محصول و علف هرز توسط آنالیز شکل انجام گردید. در نهایت از نمونه آزمایشگاهی جهت ارزیابی نهایی الگوریتم توسعه یافته استفاده شد. عوامل مختلفی که در طراحی این الگوریتم موثر هستند زمان پاسخگویی ( rt) و فاصله از ردیف( md) مورد ارزیابی آزمایشگاهی قرار گرفتند. علاوه بر دو عامل فوق، دو فاکتور مهم دیگر که به نوعی منجر به بروز خطای اولیه در محاسبه خط ردیف کشت توسط الگوریتم می شوند lpe و dpe مورد بررسی قرار گرفت. نتایج نشان داد که تغییرات در چگالی پوششی باعث ایجاد تغییرات در زمان پردازش و خطای شناسایی الگوریتم می گردد. همچنین در صورت استفاده از آنالیز شکل می¬توان دقت شناسایی ردیف را تا حد زیادی افزایش داد. با افزایش عرض ردیف، مقدار زمان پاسخگویی الگوریتم افزایش می یابد و با افزایش سرعت پیشروی، معیار فاصله از ردیف md و همچنین معیار dpe افزایش می یابد که منجر به افزایش خطای شناسایی الگوریتم و دستگاه می گردد. همچنین با تصحیح خطای اولیه lpe در الگوریتم، میزان خطای شناسایی الگوریتم و دستگاه بدلیل کاهش در معیار mdو همچنین معیار dpe، کاهش می یابد.