سامانه همایش های دانشگاه جیرفت

صفحه اصلی / سومین همایش بین المللی و چهارمین همایش ملی کشاورزی، محیط زیست و امنیت غذایی

طبقه‌بندی تنش گیاهی با استفاده از ویژگی‌های برگ و یادگیری ماشین

نویسندگان :

محمدرضا بحرینی بهزادی¹

1- دانشگاه یاسوج

کلمات کلیدی :

تشخیص غیرتهاجمی تنش،تحلیل مورفولوژی برگ،جنگل تصادفی،ماشین بردار پشتیبان

چکیده :

تشخیص تنش گیاهی یک فرآیند چندمرحله‌ای شامل شناسایی، طبقه‌بندی، اندازه‌گیری و پیش‌بینی تنش در محصولات کشاورزی است. بسیاری از روش‌های موجود برای شناسایی تنش گیاهی به نیروی انسانی متخصص یا تکنیک‌های تهاجمی وابسته هستند، که این موضوع می‌تواند هزینه‌بر و آسیب‌رسان به محصول باشد. استفاده از تکنیک‌های هوش مصنوعی به‌عنوان جایگزینی کارآمد، امکان تحلیل غیرتهاجمی و دقیق ویژگی‌های مورفولوژیکی برگ‌ها را فراهم کرده است، و از آسیب‌رسانی به محصول جلوگیری می‌کند. این مطالعه به بررسی طبقه‌بندی شرایط تنش گیاهی شامل تنش خشکی، آسیب ناشی از آفات و وضعیت سالم، با استفاده از الگوریتم‌های یادگیری ماشین می‌پردازد. ویژگی‌های برگ مانند شکل، اندازه و رنگ به‌عنوان ورودی مدل‌ها مورد استفاده قرار گرفته‌اند. داده‌های شبیه‌سازی‌شده شامل 100 نمونه، پس از پیش‌پردازش و توازن، برای آموزش مدل‌های جنگل تصادفی و ماشین بردار پشتیبان مورد استفاده قرار گرفتند. نتایج نشان داد که مدل جنگل تصادفی با صحت طبقه‌بندی 67/66 درصد عملکرد بهتری نسبت به مدل ماشین بردار پشتیبان با صحت 67/56 درصد داشت. همچنین، اندازه و رنگ برگ به‌عنوان مهم‌ترین ویژگی‌ها در طبقه‌بندی تنش شناسایی شدند. این پژوهش پتانسیل الگوریتم‌های یادگیری ماشین در خودکارسازی تشخیص تنش و بهینه‌سازی کشاورزی را برجسته می‌کند.