تنک کردن محصولات ردیفی از جمله عملیات هزینه بر و طاقت فرسای کشاورزی است که عمدتاً بصورت دستی و توسط کارگران انجام می شود. از جمله مشکلات اصلی ماشین¬های تنک کن موجود این است که عمل تنک کردن به صورت تصادفی و غیر هوشمند انجام می شود. به همین دلیل در این تحقیق ساخت و بکارگیری یک مکانیزم تنک کن خودکار چغندرقند مورد توجه قرار گرفت. ماشین تنک¬کن چغندرقند طراحی شده از سه قسمت تشکیل شده که شامل واحد ماشین بینایی، واحد کنترل الکترونیکی و عملگرهای تنک¬کن می¬باشد. در قسمت ماشین بینایی، مهمترین عمل، نوشتن الگوریتم تنک¬کردن بر اساس بهترین فاصله مورد نظر بین بوته¬ها با در نظر گرفتن مکان¬های کاشته نشده می¬باشد. به طور کلی روش کار بدین صورت است که با حرکت تراکتور بر روی ردیف محصول چغندرقند، توسط دوربین تصاویر ردیف چغندرقند در مزرعه گرفته می شود. پس از پردازش تصاویر و بر اساس الگوریتم¬های طراحی شده، فرمان به میکروکنترلر و در نهایت به عملگرها جهت تنک کردن مزرعه ارسال می گردد. ارزیابی آزمایشگاهی و مزرعه¬ای تنک کن الکترومکانیکی در 3 سطح سرعت پیشروی مختلف 2، 5/3 و 5 کیلومتر بر ساعت و در قالب طرح کاملاً تصادفی با چهار تکرار در آزمایشگاه و سه تکرار در مزرعه انجام گرفت. نتایج ارزیابی آزمایشگاهی نشان داد که مقادیر دقت دستگاه بر روی فواصل تنک شده، میانگین فواصل تنک نشده و مقدار تأخر و تقدم مکانی با افزایش سرعت پیشروی کاهش یافتند و با کاهش سرعت پیشروی این مقادیر افزایش یافتند،که بیشترین این مقادیر مربوط به سرعت 2 کیلومتر بر ساعت می¬باشد. نتایج بدست آمده از ارزیابی آزمایشگاهی و مزرعه¬ای شاخص دقت حفظ بوته¬های تک نشان داد که این شاخص در حالت آزمایشگاهی و مزرعه¬ای دارای عملکرد بالایی بود به طوری که این شاخص در سرعت پیشروی 2 کیلومتر بر ساعت برابر با 99 % می¬باشد. همچنین سرعت پیشروی تأثیر چندانی بر روی شاخص دقت حفظ بوته¬های تک نداشته است. سایر نتایج بدست آمده از شاخص حفظ همپوشانی مزرعه و شاخص آسیب دیدگی گیاهان باقی مانده در آزمون مزرعه¬ای نشان داد که این شاخص¬ها با افزایش سرعت کاهش یافته اند. همچنین نتایج بدست آمده از ارزیابی آزمایشهای مزرعه¬ای نشان داد که بهترین فواصل بین بوته¬ها بعد از عملیات تنک کردن نسبت به فاصله تنظیم شده (200 میلیمتر) و مربوط به سرعت پیشروی 2 کیلومتر بر ساعت بود. اگر چه این فواصل با مقادیر بدست آمده در سرعت های پیشروی 5/3 و 5 کیلومتر بر ساعت از نظر آماری اختلاف معنی داری داشتند ولی این فاصله¬ها همچنان در بازه مناسب تنک کردن (300-150میلیمتر) قرار دارد.

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.

سیب از جمله محصولات باغی بسیار ارزشمند از لحاظ غذایی به شمار می آید و تولید آن در کشور ما از جایگاه بالایی در زمینه اشتغال زایی و ارزآوری برخوردار است. از میان روش های غیرمخرب کنترل کیفی سیب، فناوری ماشین بینایی چشم-اندازی مطمئن برای دستیابی به سرعت، کیفیت ارزیابی بالاتر و حصول بهره وری بیشتر برای این محصول ترسیم نموده است. بررسی منابع موجود نشان می دهد که تشخیص لهیدگی سیب های زرد در بسیاری از موارد با تشخیص دمگل همپوشانی داشته و این امر بکارگیری ماشین بینایی را به منظور درجه بندی کیفی سیب با چالش جدی مواجه نموده است. پژوهش حاضر به منظور رفع چالش مذکور و افزایش دقت عملکرد سیستم های درجه بندی سیب صورت پذیرفت. به منظور تحقق این امر دو الگوریتم جداگانه بر اساس رنگ برای شناسایی لهیدگی و دمگل در نرم افزار matlab طراحی گردید. برای الگوریتم لهیدگی دقت %97/14 و برای الگوریتم دمگل دقت %100 بدست آمد. الگوریتم لهیدگی %7/14 دمگل را به عنوان لهیدگی و الگوریتم دمگل %5/71 لهیدگی را به عنوان دمگل شناسایی نمودند. سپس با ادغام این دو الگوریتم یک الگوریتم جامع بدست آمد که دارای دقت %94/29 می باشد. در ادامه آزمایشاتی جهت بررسی احتمالی افزایش دقت در شناسایی لهیدگی با گذشت زمان نگهداری توسط الگوریتم لهیدگی انجام گرفت. نتایج حاکی از آنست که کیفیت تشخیص لهیدگی توسط این الگوریتم به تدریج افزایش یافته و پس از دو تا سه روز به ثبات مطلوبی می رسد. الگوریتم دیگری که ویژگی های خاصی از شکل تصاویر لهیدگی و دمگل از جمله میزان گِرد بودن، نسبت مساحت به مربع محیط آن ناحیه و نیز ضریب تغییراتِ (cv) فواصل نقاط روی لبه از مرکز ثقل تصویر را استخراج می نمود، طراحی گردید و سپس همراه با بکارگیری فناوری شبکه های عصبی مصنوعی لهیدگی و دمگل با دقت %100 از یکدیگر تمیز داده شدند. بررسی اثرات نیرو و زمان بر میزان لهیدگی سیب (در سه سطح 100، 200 و 300 نیوتن و در یک بازه ی زمانی 9 روزه) نشان داد که این دو عامل بر لهیدگی موثر بوده و اختلاف معنی داری در میزان لهیدگی بر اثر سطوح نیرو و زمان نگهداری مشاهده گردید. اثرات متقابل این دو عامل درسطح نیروی 100 نیوتن اختلاف معنی داری در روزهای مختلف را نشان نداد؛ در سطوح نیروی 200 و 300 نیوتن به صورت مجزا بین تمامی روزها اختلاف معنی دار وجود داشت.