دانشگاه رازی

هدف: علف‌های هرز از مهم‌ترین عوامل کاهش عملکرد محصولات کشاورزی به‌شمار می‌آیند و کنترل غیرهدفمند آن‌ها، افزون بر افزایش هزینه‌های تولید، پیامدهای نامطلوب زیست‌محیطی ناشی از مصرف بی‌رویه علف‌کش‌ها را به دنبال دارد. در این میان، استفاده از روش‌های هوشمند مبتنی بر بینایی ماشین و یادگیری عمیق می‌تواند زمینه تشخیص دقیق‌تر علف‌های هرز و اجرای مدیریت موضعی آن‌ها را فراهم سازد. پژوهش حاضر با هدف طراحی و ارزیابی یک مدل هوشمند برای تشخیص علف‌های هرز در مزارع باقلا، بر پایه یادگیری عمیق و بهینه‌سازی فراابتکاری انجام شد. روش: پژوهش از نظر هدف کاربردی و از نظر شیوه اجرا، ترکیبی از مطالعه تجربی و محاسباتی بود. داده‌های پژوهش از تصاویر گیاه باقلا و علف‌های هرز، شامل تصاویر میدانی و داده‌های استاندارد، گردآوری شد. پس از حذف تصاویر نامناسب، داده‌ها با استفاده از روش‌های افزون‌سازی افزایش یافتند و برای آموزش، اعتبارسنجی و آزمون مدل‌ها مورد استفاده قرار گرفتند. در مرحله نخست، عملکرد مدل‌های پایه شامل ResNet-18، ResNet-50 و EfficientNet-B0 مقایسه شد. سپس، یک مدل ترکیبی مبتنی بر شبکه عصبی کانولوشنی و الگوریتم بهینه‌سازی ازدحام ذرات، با عنوان PSO-CNN، برای بهبود تنظیم پارامترهای مدل طراحی و ارزیابی شد. یافتهها: نتایج نشان داد که EfficientNet-B0 با دقت 86/0 در میان مدل‌های پایه بهترین عملکرد را داشت؛ با این حال، مدل پیشنهادی PSO-CNN عملکرد بهتری ارائه داد و به دقت 90/0، دقت مثبت 91/0، بازخوانی 89/0، امتیاز F1 برابر با 90/0 و سطح زیر منحنی ROC برابر با 94/0 دست یافت. نتایج آزمون‌های آماری نیز نشان داد که تمامی مدل‌ها به‌طور معناداری عملکردی بالاتر از سطح شانس دارند. همچنین، اثر معماری شبکه بر دقت تشخیص معنادار بود و بهینه‌سازی پارامترها با استفاده از الگوریتم ازدحام ذرات، نسبت به بهترین مدل پایه، موجب بهبود معنادار شاخص‌های عملکرد شد. تحلیل خطاها نشان داد که بیشترین چالش مدل مربوط به تشخیص علف‌های هرز پهن‌برگ، به علت شباهت بافتی و هم‌پوشانی برگ‌ها با گیاه باقلا، بوده است. نتایج: در مجموع، یافته‌ها بیانگر آن است که تلفیق یادگیری عمیق و الگوریتم‌های فراابتکاری، ظرفیت مناسبی برای توسعه سامانه‌های هوشمند تشخیص علف‌های هرز در مزارع باقلا دارد. با وجود محدودیت حجم داده‌های اولیه، مدل پیشنهادی می‌تواند مبنایی برای طراحی ابزارهای کشاورزی دقیق، کاهش مصرف علف‌کش‌ها و ارتقای پایداری تولید در بخش کشاورزی باشد. واژگان کلیدی: علف‌های هرز، باقلا، یادگیری عمیق، شبکه عصبی کانولوشنی، الگوریتم ازدحام ذرات، کشاورزی دقیق، بینایی ماشین.