مشخصات پژوهش

عنوان	تعیین طول موج‌‌های بهینه به منظور تشخیص سوروف از نشاء برنج به روش تصویربرداری ابرطیفی
نوع پژوهش	پایان نامه
کلیدواژه‌ها	هوش مصنوعی، برنج آف تایپ، کشاورزی دقیق، الگوریتم ژنتیک، امضای طیفی
چکیده	برنج به عنوان یک محصول استراتژیک پس از گندم، دومین غذای اصلی اکثر مردم محسوب می‌شود. یکی از مشکلات اصلی در زراعت برنج که سبب افت شدید در عملکرد آن می‌شود، وجود علف‌‌های هرز در شالیزار به‌ویژه سوروف است. این علف هرز به دلیل جوانه‌‌زنی سریع، رسیدگی زودهنگام، تولید بذر فراوان، توانایی تقلید از برنج و داشتن مسیر فتوسنتزی چهارکربنه یکی از مهم‌ترین علف‌های هرز مزارع برنج دنیا به شمار می‌رود. علاوه بر سوروف، نوعی از برنج با نام محلی چمپا در شالیزارها وجود دارد که به دلیل کیفیت پایین و چسبندگی که هنگام طبخ ایجاد می‌‌کند، به عنوان ضایعات برنج در نظر گرفته می‌‌شود. با توجه به اینکه گیاهان هرز ذکر شده از لحاظ ظاهری شباهت بسیار زیادی با برنج دارند، به‌کارگیری روش‌های معمول بینایی ماشین نمی‌توانند به‌طور موثر به تفکیک آنها از برنج منجر شود. هدف از تحقیق حاضر، به‌کارگیری روش‌های طیفی در تفکیک برنج از سوروف و چمپا است. ابتدا نشاها در ظروفی با ابعاد متناسب با نقاله سامانه تصویر و مطابق با روش آماده‌سازی در سینی‌های نشاء در روش نشاکاری با ماشین آماده شدند. تصویربرداری با یک سامانه تصویربرداری فراطیفی اسکن خطی در گستره طول موجی 400 تا 950 نانومتر و با 568 باند طیفی انجام گرفت. سیستم مزبور مجهز به سامانه نورپردازی با 4 لامپ هالوژن با توان 50 وات و با تفکیک مکانی دوربین CCD برابر با 1 میلی‌متری بود. تصویربرداری‌ها در روزهای 15، 18 و 22 بعد از بذرپاشی انجام شد. مراحل پیش‌پردازش، پردازش و طبقه‌بندی در ابتدا فقط بر روی تصاویر روز 22 انجام شد. مراحل پیش پردازش شامل حذف نویزهای ابتدائی و انتهایی گستره طیفی دوربین و استفاده از هموارسازی با استفاده از فیلتر ساویتزکی گولای اجرا و مراحل کاهش ابعاد داده با استفاده از آنالیز مولفه‌های اساسی و نیز الگوریتم ژنتیک جهت انتخاب ویژگی انجام شد. طبقه‌بندی‌‌ها توسط شبکه عصبی مصنوعی انجام پذیرفت. نتایج طبقه‌بندی نشان داد در صورت استفاده از تمامی 425 طول موج‌‌ اخذ شده صحت کلی طبقه‌بندی 96 درصد خواهد بود. در روش تعیین مولفه‌های اساسی؛ 9 مولفه اساسی اول دارای 1/99 درصد اطلاعات طیف‌ها بودند که نتیجه طبقه‌بندی با آنها دارای صحت کلی 88/94 درصد در تفکیک برنج از سوروف و چمپا بود. تعداد 8 طول موج به عنوان طول‌‌موج‌های بهینه توسط الگوریتم ژنتیک انتخاب شدند که شامل طول موج‌‌های 4/637 و 651 نانومتر در ناحیه قرمز و 9/685، 8/691، 3/711، 2/715 و 7/733 نانومتر در لبه قرمز و 9/849 نانومتر در مادون قرمز بود. میزان صحت مدل در طبقه‌بندی با 8 طول موج منتخب 21/97 درصد بود که نشان‌دهنده عملکرد بسیار خوب در تفکیک برنج از غیربرنج است. نتایج رتبه‌بندی طول موج‌‌های انتخابی نشان دادکه طول موج 2/715 نانومتر قدرتمندترین طول موج در تفکیک برنج از کلاس غیربرنج است و به تنهایی دارای میزان صحت کلی 20/88 درصد در تفکیک این دو کلاس است. پس از آن طول موج 3/711 نانومتر با صحت کلی 16/87 درصد است. با هدف تبدیل سامانه فراطیفی به چندطیفی و انتخاب 4 طول موج برتر، چهار طول موج بهینه از میان 8 طول موج شامل 651، 8/691، 2/715 و 9/849 نانومتر انتخاب شد که قادر به تفکیک دو کلاس با صحت کلی 6/95 درصد بودند. این چهار طول موج ذکرشده برای طراحی سامانه‌‌های چندطیفی تشخیص علف هرز و در ربات‌های مبارزه با علف هرز برای این منظور پیشنهاد می‌‌شوند. آزمون قدرتمندی مدل نشان داد که مدل پیشنهادی با 8 طول موج برتر قادر است برای نشاهای 4 روز جوان‌تر (18 روزه) بدون کاهش محسوسی در میزان صحت به‌کار رود. در صورتی که تصویربرداری در حوالی دو هفتگی نشاها (15 روزه) انجام شود، مدل توسعه داده شده قادر به تفکیک برنج از علف هرز با صحت کل به میزان 37/93 درصد است. نتایج به دست آمده نشان‌دهنده عملکرد بسیار مناسب طول موج‌‌های معرفی شده در این تحقیق برای توسعه سامانه‌های تفکیک و یا ربات‌های مبارزه با علف هرز در همان مراحل اولیه رشد نشاها و قبل از ورود به مزرعه هستند.
پژوهشگران	کاوه ملازاده (استاد مشاور)، فاطمه رحیمی اجدادی (استاد راهنما)، حسین حلمی خمیرانی (دانشجو)