استفاده بیش از حد ازمواد شیمیایی مختلف در کشت محصول سیب‌زمینی به منظور افزایش عملکرد این گیاه یا مبارزه با علف‌های هرز آن، ضمن افزایش هزینه‌های تولید، منجر به گسترش علف‌های هرز مقاوم به علف‌کش، تخریب محیط‌زیست و همچنین خطراتی برای سلامت کارگران مزرعه‌ای و مصرف‌کنندگان نهایی این محصول می‌گردد. بنابراین به منظور مدیریت مصرف این مواد در مزارع سیب زمینی، بهینه‌سازی و توسعه‌ی دستگاه‌های کودپاشی و سمپاش نرخ متغیر دقیق سیب‌زمینی در قالب ساختارهای موجود یا ربات‌های خودمختار بسیار ضروری است که قادر باشند مرحله رشد و موقعیت گیاه سیب‌زمینی و همچنین نوع و موقعیت علف‌های هرز این گیاه را در مزرعه به طور دقیق و بی‌درنگ تشخیص دهند و متناسب با نیاز هر مکان عملیات کودهی و سمپاشی را انجام دهند. بنابراین در این پژوهش، رباتی خورشیدی به منظور کودپاشی و سمپاشی نرخ متغیر دقیق سیب‌زمینی طراحی و ساخته ساخته شد که جهت تشخیص گیاهان مختلف از ترکیب روش‌های کلاسیک پردازش تصویر و دو مدل سبک یادگیری عمیق YOLO v9t بهره می‌برد. مدل اول با دریافت تصاویر RGB، به تشخیص مراحل مختلف رشد گیاه سیب‌زمینی و علف‌های هرز پهن برگ را می‌پرداخت و خروجی آن پس از حذف موقعیت این گیاهان در تصویر، تبدیل این تصویر به تصویر HSV، استخراج کانال رنگ H و استفاده از روش‌های آستانه‌گذاری روی این کانال رنگ جهت تشخیص گیاهان هرز باریک برگ به مدل دوم منتقل می‌گردید. این ربات با استفاده از الگوریتم توانست با دقت بیش از 95 درصد گیاهان سیب زمینی در مراحل مختلف رشد، علف‌های هرز پهن برگ و باریک برگ این محصول را از هم تفکیک و موقعیت مکانی آن‌ها را تعیین نماید.
