چکیده
این مقاله به معرفی یک سامانه یکپارچه مبتنی بر تصاویر پهپاد (UAV) و کشاورزی هوشمند با بهره‌گیری از هوش مصنوعی برای کشت زعفران می‌پردازد. این کار به نظارت بر رشد گل‌های زعفران از طریق تصویر‌برداری پهپاد به صورت هفتگی یا ماهانه در زمان پیش از برداشت، و محاسبه درصد ناحیه پوشیده شده توسط برگ و گل‌های زعفران اختصاص دارد. این کار برای پیش‌بینی نواحی رشد زعفران در مناطق کشت شده حیاتی است. از منظر دید عمودی پهپاد، تشخیص مناطق خاص کشت زعفران از دید پرنده چالش‌برانگیز است، بنابراین یک سیستم تشخیص چند کلاس برای شناسایی گل‌ها پیشنهاد می‌شود.
اجرای این کار به چهار مرحله تقسیم می‌شود. دو مرحله اول (مرحله 1 و مرحله 2) مربوط به الگوریتم‌هایی برای تشخیص و پیش‌بینی مناطق رشد زعفران با استفاده از مدل ارتقاء یافته You Only Look Once (YOLO) می‌باشند، که به دنبال آن تحلیل آماری برای تشخیص گوشه‌های منطقه انجام می‌شود. نتایج این دو مرحله برای تشکیل یک پایگاه داده از گل‌های زعفران با مقیاس‌ها، جهت‌گیری‌ها و تغییر شکل‌های مختلف استفاده می‌شود. این پایگاه داده در مرحله سوم (مرحله 3) به منظور ساخت یک مدل طبقه‌بندی دو کلاسه که گل‌های زعفران را از غیر زعفران تفکیک می‌کند، مورد استفاده قرار می‌گیرد. در مرحله چهارم، مدل طبقه‌بندی دو کلاسه به یک مدل شناسایی چندکلاسه گل‌ها گسترش می‌یابد که برای شناسایی 900 تصویر گل موجود در بزرگ‌ترین وبسایت اختصاصی شبکه‌های اجتماعی برای باغبانی در مرحله 4 به‌کار می‌رود. آزمایش‌های گسترده‌ای انجام شده و عملکردها با برخی روش‌های پیشرفته موجود مقایسه می‌شوند که برتری سیستم پیشنهادی را نشان می‌دهند.
- Title: Artificial intelligence-based smart agricultural systems for saffron cultivation with integration of Unmanned Aerial Vehicle imagery and deep learning approaches
- Authors: Nazeer, I., Umer, S., Rout, R. K., & Tanveer, M.
- URL: https://www.sciencedirect.com/science/article/abs/pii/S0045790624004695
- سال انتشار مقاله: 2024
- زبان: انگلیسی
- کشور:
- کد مقاله: 16819
- لینک کوتاه: https://wikisaffron.org?p=16819