برآورد وضعیت نیتروژن در مزارع نیشکر از روی تصاویر هوایی دیجیتال با استفاده از شبکه های عصبی مصنوعی

در این پژوهش بررسی امکان استفاده از تصاویر هوایی دیجیتال برای تعیین میزان نیتروژن محصول در مزراع نیشکر مدنظر بود.پس از اینکه نقاط مورد نظر در سه مزرعه نیشکر (با ابعاد 100 × 120 متر که دارای زمان کاشت متفاوت بودند) علامتگذاری شدند،تصاویر نقاط با استفاده از یک دوربین دیجیتال معمولی نصب شده بر روی کوادکوپتر از دو ارتفاع 5 و 10 متر تهیه شدند. همزمانبا تصویر برداری هوایی از نقاط مشخص شده، از هر نقطه تعداد چهار عدد سرنی سالم بریده شده و به آزمایشگاه منتقل شدند و بااستفاده از روش کجلدال میزان نیتروزن محصول اندازه گیری شد. با استفاده از الگوریتم های پردازش تصویر در محیط نرم افزارمتلب، از تصاویر گرفته شده شاخص های رنگی استخراج شده و همبستگی آنها با میزان نیتروژن تعیین گردید. شاخص هایی کهدارای همبستگی با نیتروژن بودند به عنوان ورودی شبکه شبکه عصبی مصنوعی و میزان نیتروژن محصول بعنوان خروجی شبکهعصبی انتخاب شدند. شبکه عصبی پرسپترون چندلایه (MLP) برای مدلسازی عصبی و معیارهای آماری RMSE و MAPE برایارزیابی و مقایسه عملکرد شبکه های عصبی استفاده شدند. نتایج آموزش شبکه های عصبی مختلف نشان داد که دو شبکه عصبیبا الگوریتم آموزشی لونبرگ- مارکوات، تابع انتقال tansig برای لایه پنهان و purelin برای لایه خروجی، و تعداد 10 و 4 نرون درلایه پنهان (به ترتیب برای تصاویر از ارتفاع 5 متر و 10 متر) بهینه ترین شبکه برای پیشگویی میزان نیتروژن نیشکر از روی تصاویرهوایی می باشند. مقدار میانگین خطا در آموزش شبکه عصبی برای ارتفاع 5 متر و 10 متر به ترتیب، 145 / 0 و 022 / 0 و ضریبهمبستگی بین مقادیر پیش بینی شده با مقادیر واقعی نیتروژن به ترتیب 0/89 و 0/94 بدست آمد. آزمون t استیودنت نشان دادکه مقادیر نیتروژن پیش بینی شده به وسیله شبکه های عصبی در ارتفاعات 5 و 10 متر، اختلاف معناداری با یکدیگر و با مقدارواقعی نیتروژن اندازه گیری شده با روش کجلدال نداشتند. مقدار RMSE برآورد نیتروژن در دو ارتفاع 5 و 10 متر به ترتیب 0/181و 0/174 بدست آمد.

کلیدواژه ها:

نیشکر ، میزان نیتروژن ، آزمایش کجلدال ، شبکه عصبی مصنوعی ، تصاویر هوایی دیجیتال