بررسی توانایی شبکه حسگر بی‌سیم و فناوری پردازش تصویر در پایش و تشخیص سریع آفات حشره ای(مطالعه موردی مگس سفید گلخانه)
کد مقاله : 1894-CCSAMR
نویسندگان
محسن دانشمند وزیری *1، مهرداد محلوجی2
1کارشناس - محقق بخش فنی و مهندسی مرکز تحقیقات و آموزش جهاد کشاورزی و منابع طبیعی استان اصفهان
2محقق هیئت علمی مرکز تحقیقات کشاورزی استان اصفهان
چکیده مقاله
این پژوهش با هدف بررسی امکان استفاده از شبکه حسگر بی‌سیم (WSN) و پردازش تصویر برای پایش و تشخیص به‌موقع آفت مگس سفید گلخانه انجام شد. در یک گلخانه آلوده، ۳۷۵۰ تصویر از ۱۵ تله چسبی توسط دوربین‌ها ثبت و از طریق WSN به‌صورت بی‌سیم تا فاصله ۹۰۰ متری ارسال شد. تصاویر پس از تبدیل به خاکستری و بخش‌بندی، با استفاده از الگوریتم SVM به دو گروه دارای آفت و فاقد آفت طبقه‌بندی شدند و سپس تعداد آفات شمارش و نقشه آلودگی گلخانه در ArcMap تهیه گردید. نتایج نشان داد دقت طبقه‌بندی SVM برابر 73/97٪ و میانگین شاخص‌های حساسیت، صحت، اختصاصی بودن و دقت به ترتیب 46/98٪، 31/86٪، 08/99٪ و 72/97٪ بود؛ همچنین دقت کلی سامانه در تشخیص و شمارش آفت 71/97٪ و RMSE بین 1 تا 5.03 گزارش شد. یافته‌ها نشان می‌دهد این سامانه ابزاری کارآمد برای تشخیص، ردیابی و برنامه‌ریزی مدیریتی آلودگی مگس سفید در گلخانه است.
کلیدواژه ها
شبکه حسگر بی سیم، الگوریتم ماشین بردار پشتیبان، پایش لحظه ای، نقشه آلودگی گلخانه
وضعیت: * پذیرفته شد، پوستر دریافت گردید، در لیست انتشار و صدور گواهی قرار گرفت