مشخصات پژوهش

عنوان	بهره‎ گیری از شبکه های عصبی در شناسایی و تشخیص علف هرز توق در توده دانه گندم
نوع پژوهش	پایان نامه
کلیدواژه‌ها	ناخالصی های گندم، هوش مصنوعی، شبکه کانولوشنی، تشخیص اشیاء، mAP-YOLO_v5
چکیده	علف های هرز به طور تصادفی و لکه ای در همه ی مکان ها حضور دارند و با گیاهان بر سر منابع رقابت می کنند و منجر به افت عملکرد می شوند. در مزارع گندم علف های هرز و افات مختلفی از جمله توق، چاودار، چچم و سن گندم و... وجود دارند. بعضی از این علف های هرز به دلیل جرم ویژه تقریبا هم اندازه با گندم و یا تشابه ظاهری زیاد با گندم، تا مرحله ی ذخیره سازی در انبار همراه گندم باقی می مانند. از آنجا که یکی از شاخص های کیفی و معیار بازارپسندی توده دانه گندم عدم وجود مواد زائد است، تشخیص و شناسایی این علف های هرز در توده دانه گندم برای خریداران گندم و مراکز بوجاری و کارخانه های آرد بسیار حائز اهمیت بوده و برای تعیین میزان افت مفید و غیر مفید و تعیین قیمت لازم است. در این تحقیق برای تشخیص و شناسایی علف های هرز رایج در مزارع و گندم های آفت زده از الگوریتم YOLOv5 استفاده شد. برای آموزش این الگوریتم 375 عکس برچسب گذاری شده که شامل 11کلاس (دانه سالم، دانه سن زده، دانه چروکیده، دانه چاودار، دانه شکسته، توق، سنگ و کلوخ، گیاهان سبز، کزل، دانه جو، ساقه) بود؛ تهیه و مورد استفاده قرار گرفت (75٪ برای آموزش، 15٪ برای ارزیابی، 10٪ برای تست). در نهایت برای ارزیابی عملکرد این مدل در شناسایی و مکان یابی علف های هرز موجود در تصویر از پارامترهای ارزیابی Precision ، Recall وmAP استفاده شد. نتایج نشان دادن که پنج کلاس (ساقه، دانه جو، کزل، گیاهان سبز، توق) به طور کامل و با دقت بالا به عنوان کلاس خودشان تشخیص داده شدند. همچنین مقدار 5/0 mAPبرای همه کلاس ها بین 6/88٪ - 5/99٪ شد. که بیشترین مقدار مربوط به کلاس ساقه، دانه جو، گیاهان سبز، سنگ وکلوخ است و کمترین مقدار برای کلاس دانه چروکیده می باشد. همچنین مقدار 5/0: 95/0 mAPبرای همه کلاس ها بین 5/65٪ - 8/81٪ به دست آمد که بیشترین مربوط به کلاس ساقه و کمترین مربوط به کلاس دانه چروکیده بود. با توجه به نتایج به دست آمده، به نظر می رسد الگوریتم YOLOv5 قابلیت بالایی در تشخیص و شناسایی علف های هرز گندم دارد و می توان از آن در ارائه یک سیستم هوشمند به صورت یک نرم افزار که قابلیت نصب در تلفن همراه را داشته باشد و یا در ارتباط با کامپیوتر درصد ناخالصی ها را ارائه کند استفاده کرد.
پژوهشگران	حسین باقرپور (استاد راهنما)، نگار فتاحی پیرو (دانشجو)، جعفر امیری پریان (استاد مشاور)