نظارت بر محصولات زعفران با استفاده از پهپادها

استفاده از فناوری اطلاعات در کشاورزی مزایای قابل توجهی برای تولیدکنندگان به ارمغان آورده است، مانند افزایش سود و کیفیت بهتر محصول. کاربردهای فناوری مدرن در کشاورزی بر استفاده از وسایل نقلیه هوایی بدون سرنشین (UAVها) و حسگرهای زمینی بی‌سیم تکیه دارند تا اطلاعات زمان واقعی در مورد مزارع و محصولات ارائه دهند. در اروپا، این تکنیک‌ها، که به عنوان کشاورزی هوشمند (SF) شناخته می‌شوند، هنوز در مراحل اولیه خود هستند، با وجود تولید کشاورزی بزرگ از طیف گسترده‌ای از محصولات. به همین دلیل، در این مطالعه، ما با فناوری‌های SF در کشت زعفران یونانی، ادویه‌ای نادر با کاربردهای متعدد، آزمایش کردیم. به این دلیل، و همچنین به دلیل اینکه برداشت آن بسیار نیروی کار بر است، یکی از گران‌ترین ادویه‌هاست. از آنجایی که حوزه SF نسبتاً جدید است و هنوز برای این محصول خاص و منطقه استفاده نشده، تجهیزات و روش‌های پردازش داده به صورت تجربی پس از بررسی ادبیات انتخاب شدند. هدف مطالعه، کسب از راه دور داده‌های تصویری محصولات و آموزش یک مدل یادگیری ماشین برای تشخیص اشیاء مهم مانند گل‌های زعفران و علف‌های هرز بود.

The use of information technology in agriculture has brought significant benefits to producers, such as increased profits and better product quality. Modern technology applications in agriculture rely on the use of unmanned aerial vehicles (UAVs) and wireless ground sensors to provide real-time information about fields and crops. In Europe, these techniques, referred to as Smart Farming (SF), are still in their infancy despite the large agricultural production of a wide range of products. For this reason, in this study, we experimented with the technologies of SF in the cultivation of Greek saffron, a rare spice with many uses. For this reason, and also because its harvest is quite labor intensive, it is one of the most expensive spices. Since the field of SF is relatively new and has not yet been used for this particular crop and area, the equipment and methods of data processing were selected experimentally after a review of the literature. The aim of the study was to remotely acquire image data of the crops and train a machine learning model to detect important objects such as saffron flowers and weeds.