علیرضا رضائی؛ سید مرتضی خلیلی؛ میلاد اسدپور
چکیده
امروزه با گسترش کشاورزی صنعتی استفاده از علوم و فنون نوین مانند هوش مصنوعی در افزایش بهره‌وری محصولات و هوشمندسازی روش‌های کشاورزی نقش به سزایی دارد. از جمله این روش‌ها می‌توان به تخمین تراکم گیاهچه‌ها با استفاده از روش‌های پردازش تصویر اشاره کرد. این امر علاوه بر کمک به مدیریت زمین‌های کشاورزی در ارزیابی میزان کود و مواد شیمیایی ...
بیشتر
امروزه با گسترش کشاورزی صنعتی استفاده از علوم و فنون نوین مانند هوش مصنوعی در افزایش بهره‌وری محصولات و هوشمندسازی روش‌های کشاورزی نقش به سزایی دارد. از جمله این روش‌ها می‌توان به تخمین تراکم گیاهچه‌ها با استفاده از روش‌های پردازش تصویر اشاره کرد. این امر علاوه بر کمک به مدیریت زمین‌های کشاورزی در ارزیابی میزان کود و مواد شیمیایی و تعیین فضای مورد نیاز انبارداری نیز تاثیرگذار است. در این مقاله روش جدیدی برای تخمین تراکم گیاهچه‌های کلزا در مرحله دوبرگی پیشنهاد شد. ابتدا از مزرعه کلزا در مرحله دوبرگی واقع در روستای محمدآباد قزوین تصاویری تهیه شد؛ سپس مدل مخلوط گوسی به همراه الگوریتم بیشینه‌سازی امید ریاضی برای بخش‌بندی تصاویر و الگوریتم خوشه‌بندی نزدیک‌ترین همسایگی و عملگرهای ریخت‌شناسی برای شمارش تعداد گیاهچه‌ها موجود در تصاویر استفاده شده است. تعداد گیاهچه‌های کلزای موجود در تصاویر به روش دستی نیز محاسبه شد و به‌عنوان مقادیر مرجع برای ارزیابی عملکرد الگوریتم پیشنهادی، مورداستفاده قرار گرفت. نتایج حاصل از روش پیشنهادی، دارای همبستگی "R=0.96" با روش شمارش دستی و دارای دقت 96.5 درصد است. روش پیشنهادی در مقایسه با روش های متداول گذشته مانند روش شاخص تفاوت نرمال و روش آستانه گذاری اوتسو عملکرد بهتری دارد. همچنین باوجود اینکه تصاویر در شرایط محیطی متفاوت و با شدت نورهای مختلف اخذ شدند، میزان خطای روش پیشنهادی برای تصاویر مورداستفاده تنها کمتر از چهار درصد بود که کارایی روش ارائه‌شده را در تخمین تراکم کلزا نشان می‌دهد. لذا از روش پیشنهادی می‌توان در تخمین گیاهچه‌های کلزا به صورت عملی در زمین‌های کشاورزی استفاده نمود.
اتوماسیون عملیات کشاورزی
فرهاد چابک؛ علیرضا رضائی؛ میلاد اسدپور
چکیده
موقعیت‌یابی وسیله نقلیه با هر ساختار، فضای‌کاری و وظیفه، یکی از اساسی‌ترین مسائل در حوزه اتوماسیون ماشین‌های کشاورزی و پیش‌نیاز حرکت وسیله نقلیه است که همواره دارای چالش و مورد توجه پژوهشگران بوده است. در این پژوهش، روش دمپستر-شافر ارتقاءیافته (یاگر) و فیلتر کالمن به عنوان دو ابزار اصلی تلفیق و پردازش داده‌های حسگرهای موقعیت‌یابی ...
بیشتر
موقعیت‌یابی وسیله نقلیه با هر ساختار، فضای‌کاری و وظیفه، یکی از اساسی‌ترین مسائل در حوزه اتوماسیون ماشین‌های کشاورزی و پیش‌نیاز حرکت وسیله نقلیه است که همواره دارای چالش و مورد توجه پژوهشگران بوده است. در این پژوهش، روش دمپستر-شافر ارتقاءیافته (یاگر) و فیلتر کالمن به عنوان دو ابزار اصلی تلفیق و پردازش داده‌های حسگرهای موقعیت‌یابی یک تراکتور مدل، برای دستیابی به بهترین تخمین در موقعیت‌یابی با توجه به شرایط محیطی متغیر مورد استفاده قرار گرفتند. همچنین با ارائه روشی جدید، وزن‌دهی ابتدایی به اطلاعات هر یک از حسگرها شامل حسگر موقعیت‌یابی جهانی، حسگر اثر ماند و دورسنج چرخ‌ها با توجه به میزان اطمینان از صحت هر یک انجام شد. معادلات هندسی حاکم بر تراکتور مدل استخراج شده و از یک کنترلر تناسبی- انتگرال‌گیر- مشتق‌گیر برای کنترل سینماتیکی تراکتور مدل در شبیه‌ساز مکانیکی Sim-Mechanics نرم‌افزار Matlab پیاده‌سازی شد. همچنین با استفاده از دو معیار آشکارساز مغناطیسی و میانگین مربع خطا میزان خطای موقعیت‌یابی در دو روش فیلتر کالمن و دمپستر- شافر ارتقاءیافته (یاگر) مقایسه شد. در حالت اعمال نوفه نرمال گوسی، فیلتر کالمن با متوسط خطای 82/2 درصد عملکرد بهتری از روش دمپستر-شافر ارتقاءیافته (یاگر) با 88/4 درصد خطا در معیار میانگین مربع خطا، داشت. اما در شرایط اعمال نوفه غیرگوسی که در محیط واقعی نیز وجود دارد، فیلتر کالمن با خطای 2/4 درصدی همراه بود، حال آنکه رفتار روش دمپستر- شافر در مواجهه با این شرایط بهبود یافته و میانگین خطایی برابر 1/3 درصد داشت. در شرایط محیطی واقعی و آزمایش عملی نیز روش دمپستر-شافر ارتقاءیافته (یاگر) نسبت به فیلتر کالمن عملکرد دقیق‌تری دارد. در انتها لازم به ذکر است که با توجه به میزان خطای اندک روش دمپستر- شافر ارتقاءیافته در محیط واقعی، تجهیزات تراکتور مدل را می‌توان در مقیاس صنعتی و برای تراکتورهای کشاورزی واقعی استفاده نمود که گامی بلند در راستای اتوماسیون ماشین‌های کشاورزی است.
