تخمین هوشمند المان حجمی درختان با استفاده از حسگرهای فراصوتی

یکی از دستاوردهای صنعت کشاورزی در دهه‏های اخیر، کشاورزی دقیق می‏باشد. اندازه گیری تفاوت بین عوامل زراعی، پردازش و ارزیابی آنها و اعمال دقیق کار و نهاده ها سه عامل اساسی کشاورزی دقیق به شمار می‏روند. خصوصیات فیزیکی تاج پوشش درختان با رشد و بهره وری آنها رابطه مستقیم دارد. اندازه گیری ابعاد تاج پوشش درختان به علت هندسه پیچیده و نامنظم آنها بسیار دشوار است. تاکنون روشهای مختلفی برای اندازه گیری ابعاد تاج پوشش درختان استفاده شده است اما به دلیل پایین بودن دقت و یا قیمت نسبتاً گران این روشها، استفاده از آنها با محدودیت مواجه شده است. این تحقیق به بررسی استفاده از روشهای نرم افزاری از جمله شبکه های عصبی مصنوعی به منظور بهبود خطای تخمین حجم تاج پوشش درختان به کمک حسگرهای ارزان قیمت فراصوتی می پردازد. برای این منظور یک سیستم آزمایشگاهی مخصوصی طراحی و ساخته شد. این سیستم دارای سه عدد حسگر فراصوتی است که به صورت عمودی با فاصله های 60 سانتیمتری بر روی یک دکل چوبی نصب شده است. این سیستم از دو بخش اصلی سخت افزاری و نرم افزاری تشکیل شده است. واحدهای سخت افزاری آن شامل حسگرهای فراصوتی، موتورهای جریان مستقیم، بورد میکروکنترلر حسگرهای فراصوتی، بورد میکروکنترلر موتورهای جریان مستقیم، ریل، لغزنده، پایه های نگه دارنده، منبع تغذیه و رایانه شخصی می باشد. بخش نرم افزاری نیز شامل دو گروه الگوریتم اندازه گیری حجم درختان و برنامه میکروکنترلرهای حسگرهای فراصوتی و موتورهای جریان مستقیم می باشد. موتورهای جریان مستقیم با سرعت ثابت دکل چوبی حسگرهای فراصوتی را در یک فاصله طولی درون ریل جابه جا می کرد و حسگرهای فراصوتی ضخامت نقاط مختلف تاج پوشش درخت را با نرخ نمونه برداری 4 هرتز اندازه گیری کرد. آزمایش ها در سه سطح سرعت 35، 45 و 55 سانتی متر بر ثانیه در سه تکرار برای 5 نمونه درخت فیکوس بنجامین انجام شد. حجم واقعی درختان به صورت دستی با دو روش ویتنی و المان مستطیلی اندازه گیری شد. حجم اندازه گیری شده به روش المان حجمی با استفاده از داده های خروجی حسگرهای فراصوتی بسیار بزرگتر از حجم واقعی درختان بود. پس از عبور کامل حسگرهای فراصوتی از مقابل تاج پوشش درخت مشخصاتی همچون قطر، بزرگترین عرض و ارتفاع تاج پوشش درخت در سه ارتفاع متناظر با حسگرهای فراصوتی به عنوان ورودی شبکه های عصبی و حجم دستی تاج پوشش به عنوان خروجی شبکه های عصبی در نظر گرفته شد. مدلهای مختلف شبکه عصبی پرسپترون چند لایه با یک و یا دو لایه پنهان برای یافتن مناسبترین بردار مشخصات ورودی، خروجی و ساختار شبکه متناظر با آنها، مورد بررسی قرار گرفتند. نتایج نشان داد که مدل شبکه عصبی بهینه برای تخمین حجم تاج پوشش به روش ویتنی دارای ساختار 1-10-13 و برای تخمین حجم تاج پوشش به روش المان مستطیلی دارای ساختار 1-7-16-13 می باشد. میزان rmse شبکه های عصبی انتخاب شده در روشهای ویتنی و المان مستطیلی به ترتیب به میزان 043102/0 و 039278/0 مترمکعب می باشد.