کاوه ملازاده

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.