مرتضی شریف - دانش آموخته کارشناسی ارشد سنجش از دور و GIS دانشگاه تهران تهران ایرانmorteza.sharif@ut.ac.ir
مریم سلطانی کاظمی - دانش آموخته دکتری مکانیک بیوسیستم دانشگاه تربیت مدرس تهران ایران
جمال محمدی معله زاده - رئیس اداره سنجش از دور و GIS موسسه تحقیقات توسعه نیشکر
حسین ولی عیدی - مدرس مهندسی صنایع و سیستم ها دانشگاه صنایع و معادن ایران

امروزه تصاویر سنجش از دور بویژه هواپیماهای بدون سرنشین برای بهبود بهره وری در کشاورزی گسترش چشمگیری یافته اند. این تکنولوژیهای سنجش از راه دور کاربرد مناسبی در تشخیص چالشهای محیطی دارند. تصاویر پهپاد با توجه به قدرت تفکیک مکانی بالایی که دارند. به عنوان ابزار مناسب در کشاورزی دقیق به شمار میروند همچنین کاربران و کارشناسان بخشهای کشاورزی را قادر می سازند تا برنامه ریزی بهتر محصول تخمین عملکرد محصول شناسایی عوارض تاثیر گذار بر عملکرد محصول پایش زمانمند آبیاری و دیگر مشکلات در مراحل مختلف کشت شامل کاشت داشت و برداشت را انجام دهند با توجه به اینکه عمده فعالیتهای جدید در بخشهای سنجش از دور با تصاویر کم و یا متوسط ارتفاع از سطح زمین سرو کار دارند شناسایی خودکار خطوط کشت نقش مهمی در شناسایی عوارض در هنگام کاشت و بهبود عملکر رشد محصول دارند. از این رو این مطالعه به بررسی خطوط کشت در اراضی نیشکر استان خوزستان به صورت نمونه ای در مزارع تازه گشت کشت و صنعت امیر کبیر میپردازد. برای مطالعه از یک شبکه عصبی کانولوشن برای تقسیم بندی تصاویر سنجش از راه دور پهیاد استفاده شد. سپس خطوط کشت در مراع تازه کاشت برچسب گذاری و از طریق شبکه عصبی Link Net استخراج شد. ادغام داده های مختلف مبتنی بر بهیاد و رویکردهای یادگیری عمیق به عنوان یک ابزار قدرتمند برای طبقه بندی بهینه پدیده ها و با عوارض سطح زمین محصولات کشاورزی ظاهر شده است. با توجه به دقت نهایی ۸۵٫۴ و صحت ۸۰٫۶ در تشخیص عارضه نتایج مطالعه نشان دهنده اهمیت تشخیص چالش پیش روی مزارع تازه کشت نیشکر با استفاده از تصاویر پهپاد و راه حلهای بالقوه آنها برای بهبود عملکرد کشت و کاهش کیفیت رشد مزارع است

کشاورزی دقیق، سنجش از دو،ر پهپاد یادگیری عمیق، LinkNet