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 سمپاشی 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 تلفیق روشهای کلاسیک پردازش تصویر و دو مدل سبک یادگیری عمیق YOLO v9t بهره میبرد. مدل اول پس از دریافت تصاویر RGB، به تشخیص مرحله رشد و موقعیت گیاه سیبزمینی و همچنین موقعیت علفهای هرز پهن برگ میپردازد و خروجی این مدل پس از حذف موقعیت این گیاهان در تصویر، تبدیل این تصویر به تصویر HSV، استخراج کانال رنگ H و اعمال روشهای آستانهگذاری روی این کانال رنگ، جهت تشخیص موقعیت گیاهان هرز باریک برگ به مدل دوم منتقل میگردد. نتایج نشان داد که این ربات با استفاده از این الگوریتم میتواند 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.
