عنوان	استفاده از شبکه های عصبی عمیق مبتنی بر تصاویر UAV برای تولید نقشه پراکندگی پاشش آب در آبیاری بارانی و پیش بینی میزان آب مصرفی در مزارع کشاورزی
نوع پژوهش	پایان نامه
کلیدواژه‌ها	مدیریت منابع آب، آبیاری هوشمند، یادگیری عمیق، پهپاد، رایزرهای آبیاری، بینایی کامپیوتر
چکیده	با توجه به اهمیت حیاتی بهینه‌سازی مصرف منابع آب در کشاورزی و لزوم کاهش هدررفت آن، این پژوهش بر دو هدف اصلی متمرکز است: نخست، طراحی و ارائه یک مجموعه‌داده جدید شامل فیلم‌های هوایی با وضوح بالا و داده‌های همزمان میزان مصرف آب در مزارع هویج، سیب‌زمینی و یونجه و دوم، توسعه روشی نوین مبتنی بر یادگیری عمیق به منظور تخمین دقیق میزان آب مصرفی رایزرهای آبیاری در این مزارع. مجموعه‌داده تولیدشده طیف متنوعی از شرایط عملیاتی و محیطی را در بر می‌گیرد، از جمله چینش‌های متفاوت رایزرها 3، 6 و 9 ارتفاع‌های پرواز پهپاد مختلف و بازه‌های زمانی گوناگون روز. به‌منظور اطمینان از کیفیت داده‌ها، تمامی ویدیوها و نقشه‌های به‌دست‌آمده به‌طور دقیق برچسب‌گذاری و اعتبارسنجی شده‌اند. روش پیشنهادی با بهره‌گیری از معماری‌های پیشرفته یادگیری عمیق، به‌ویژه شبکه‌های کانولوشنی و مکانیزم‌های توجه، توانسته است تخمین‌های بسیار دقیق و قابل اعتمادی از میزان آب مصرفی هر رایزر ارائه دهد. مقایسه نتایج مدل هایVGG16، ResNet، GoogleNet و MobileNet با داده‌های میدانی نشان‌دهنده همخوانی بالای آن‌ها بوده و قابلیت شناسایی نواحی دچار کم‌آبیاری و بیش‌آبیاری را فراهم کرده است. یافته‌های این تحقیق نشان می‌دهد که دقت روش پیشنهادی برای تشخیص میزان آب مصرفی و محدوده آبیاری 93 درصد بوده است در حالیکه بهترین دقت حاصل شده با استفاده از مدل‌های آماده 88 درصد است. لذا در این تحقیق علاوه بر ارائه یک مجموعه‌داده ارزشمند و رویکردی اثربخش برای برآورد میزان مصرف آب، امکان توسعه و پیاده‌سازی سامانه‌های هوشمند مدیریت آبیاری در مقیاس‌های مختلف را فراهم می‌آورد. بدین‌ترتیب نتایج این پژوهش می‌تواند به کشاورزان و مدیران منابع آب کمک نماید تا با استفاده از فناوری‌های نوین در کاهش مصرف و حفاظت از منابع آبی، کیفیت و کمیت محصولات کشاورزی را نیز بهبود بخشند.
پژوهشگران	محسن رمضانی (استاد راهنما)، سمیه افشار (دانشجو)، کاوه ملازاده (استاد مشاور)