تعیین زمان برداشت میوه سیب با استفاده از تصاویر رنگی و یادگیری عمیق

شناسایی مراحل رشد میوه پیش از برداشت عامل مهمی در بهبود کمیت و کیفیت میوه است. داشتن چنین اطلاعاتی به باغ دار کمک می کند که تیمار مناسب هر مرحله از رشد را اعمال نماید و باتوجه به شرایط متغیر آب و هوایی، به درک مناسبی از زمان برداشت میوه دست پیدا کند. با این هدف، در پژوهش حاضر از تصاویر رنگی برای شناسایی هفته های منتهی به زمان برداشت میوه سیب گلدن پاییزه استفاده شد. با استفاده از فناوری یادگیری عمیق و شبکه های عصبی پیچشی، مدل EfficientNetB۱ برای طبقه بندی عکس های گرفته شده در هفته های مختلف رشدی میوه سیب استفاده شد. داده ها به صورت تصادفی به سه دسته آموزش (۶۰%)، اعتبارسنجی (۲۰%) و آزمون (۲۰%) تقسیم شدند. همچنین، دو فرایند پیش پردازش یعنی نرمال سازی داده ها و نیز داده افزایی برای حصول نتایج بهتر منظور گردید و در مرحله توسعه مدل از بهینه ساز Nadam و تابع هزینه categorical_crossentropy استفاده شد. نتایج نشان داد که مدل توسعه داده شده قابلیت خوبی در طبقه بندی تصاویر ورودی خواهدداشت. مقدار ضریب همبستگی (R) برای داده های آموزش، اعتبارسنجی و آزمون به ترتیب ۸۶/۰، ۸۸/۰ و ۸۷/۰ به دست آمد. همچنین، توانایی مدل در طبقه بندی با استفاده از پارامترهای precision، recall و f۱-score برای هر طبقه ارائه گردید که برطبق آن برخی از طبقه ها با دقت ۱۰۰% از سایر طبقه ها متمایز شدند. با توجه به قابلیت های یادگیری عمیق در طبقه بندی عکس ها در شرایط کاملا طبیعی، این قبیل مدل ها می توانند در توسعه ربات های برداشت و یا سامانه های عکس برداری هوایی و غیره استفاده شوند و اهداف مختلفی در کشاورزی دقیق، و به طور خاص، باغبانی دقیق را برآورده سازند.