یونجه، به عنوان مهم ترین گیاه علوفه ای، نقش بی بدیلی در تغذیه دام های گوشتی و شیری و در نتیجه تولید این محصولات ارزشمند برای انسان دارد. کشت و کار این گیاه نظیر هر گیاه دیگری با مسائل خاص خود مواجه است. یکی از مهم ترین این مشکلات، علف هرزی به نام «سِس» است که با تولید ساقه های زردی که به دور ساقه های یونجه می پیچند، رشد و نمو آن را با مشکل مواجه ساخته و در نهایت نیز علاوه بر کاهش کیفیت علوفه، تاثیرات سمی خاصی را بر آن می گذارد.
یکی از اساسی ترین روش های مبارزه با علف هرز سس در مزرعه یونجه، جلوگیری از کاشت توده های بذر این گیاه است که سطح آلودگی بالایی به بذر سس داشته و با آن مخلوط هستند.
یکی از اساسی ترین روش های مبارزه با علف هرز سس در مزرعه یونجه، جلوگیری از کاشت توده های بذر این گیاه است که سطح آلودگی بالایی به بذر سس داشته و با آن مخلوط هستند. برای بررسی میزان آلودگی توده بذر یونجه به بذر سس، لازم است میزان بذر این علف هرز در توده بذر یونجه مورد شمارش قرار گرفته و درصد آن محاسبه گردد تا اگر از سطح استاندارد خاصی پایین تر بود، بتواند مورد استفاده قرار گیرد. انجام این کار که معمولا به روش دستی انجام می شود، به دلیل ریز بودن هر دو بذر، کاری بسیار سخت و طاقت فرسا است. لذا یافتن روش های نوین مبتنی بر ماشین آلات اهمیت زیادی در این خصوص دارد.
در این زمینه محققینی از مرکز تحقیقات کشاورزی و منابع طبیعی اصفهان با همکاری دانشگاه شیراز فناوری موسوم به «ماشین بینایی» را که از شاخه های هوش مصنوعی بوده و در آن بینایی انسان شبیه سازی می شود به کار گرفته اند.
برای انجام این کار پژوهشی، محققین با استفاده از اسکنر کامپیوتری، تصویری را از مخلوط بذور یونجه و سس تهیه نموده و به کامپیوتر انتقال دادند. سپس با استفاده از نرم افزار MATLAB الگوریتم های لازم را برای تشخیص و شناسایی بذور از روی تصویر آن ها طراحی نموده و مورد ارزیابی قرار دادند. در ادامه، پژوهشگران فوق کارآیی این روش جدید را نسبت به روش سنتی ش
نتایج به دست آمده از این مطالعه که در قالب مقاله ای علمی پژوهشی در نشریه «پژوهش های مکانیک ماشین های کشاورزی» وابسته به دانشگاه شهرکرد به چاپ رسیده نشان می دهد که می توان با دقت خوبی از روش پردازش تصاویر و شبکه عصبی مصنوعی برای تشخیص نسبت بذرهای سس و یونجه استفاده نموده و بدین ترتیب میزان آلودگی بذر یونجه به این علف هرز را تعیین نمود.
در این رابطه محققین متوجه شدند که می توان به خوبی ویژگی های هندسی بذرهای سس و یونجه نظیر مساحت، بیشینه و کمینه قطر، و محیط را از طریق پردازش تصاویر استخراج نموده و سپس از این معیارها برای تشخیص نوع بذر استفاده نمود.
نتایج این پژوهش می تواند به طور موثری برای پیشگیری از ورود بذر سس به مزارع یونجه و در نتیجه کاهش آلودگی مزارع، بالا رفتن کیفیت محصول و صرفه جویی در هزینه های مبارزه با این علف هرز منجر شود.
گزارش: محمدرضا دلفیه
با اقتباس از: حیدری سلطان آبادی، م. و همکاران. تعیین میزان آلودگی توده بذر یونجه به سس با روش تحلیل تصویر دیجیتال و شبکه عصبی مصنوعی. پژوهش های مکانیک ماشین های کشاورزی، 4(2): 38-31.
No tags for this post.