رئیس مرکز فناوری اطلاعات و اطلاعرسانی سازمان تات خبر داد؛
تشخیص هوشمند سوسک سرخرطومی خرما با ترکیب فناوریهای صوتی، حرارتی و ابرطیف و تصاویر ماهوارهای
به گزارش روابط عمومی سازمان تحقیقات، آموزش و ترویج کشاورزی، دکتر نوروزی، رئیس مرکز فناوری اطلاعات و اطلاعرسانی سازمان تات، در جریان تشریح پروژههای کاربردی این مرکز در حوزه هوشمندسازی کشاورزی، از اجرای طرحی فناورانه برای تشخیص و پایش آفت سوسک سرخرطومی خرما در نخلستانهای کشور خبر داد. وی با اشاره به دشواری شناسایی این آفت به روشهای سنتی اظهار کرد: در روشهای معمول، تشخیص درختان آلوده به تجربه و مهارت کارشناسان میدانی وابسته است و بررسی تعداد زیادی از درختان با این روش، زمانبر خواهد بود. به همین دلیل، استفاده از فناوریهای نوین برای افزایش سرعت و دقت شناسایی آلودگی در مقیاس گسترده در دستور کار قرار گرفت.
نوروزی افزود: در این پروژه تلاش کردیم با بهرهگیری از ظرفیت متخصصان حوزههای مختلف، نشانههای آلودگی درختان را از مسیرهای متفاوت شناسایی کنیم. یکی از این روشها، بررسی صداهای تولیدشده بر اثر فعالیت آفت در داخل تنه درخت است؛ زیرا این آفت در مراحل مختلف رشد، از جمله لارو، شفیره و حشره بالغ، الگوهای صوتی متفاوتی ایجاد میکند. تشخیص آلودگی درختان با تحلیل صوت و تصویربرداری حرارتی رئیس مرکز فناوری اطلاعات و اطلاعرسانی سازمان تات با اشاره به همکاری متخصصان صوت و مجموعههای تحقیقاتی در این پروژه گفت: با نصب حسگرهای صوتی روی درختان و ثبت صداها در محیط کنترلشده، اطلاعات مربوط به فرکانس و شدت صوت در مراحل مختلف فعالیت آفت جمعآوری و تحلیل شده است تا الگوهای صوتی قابل استفاده برای طراحی سامانه تشخیص خودکار استخراج شود.
وی ادامه داد: روش دیگر، استفاده از دوربینهای حرارتی است. فعالیت آفت و تغییرات ناشی از آلودگی میتواند بر وضعیت حرارتی درخت تأثیر بگذارد. با تصویربرداری حرارتی میتوان تفاوتهای دمایی میان بخشهای مختلف درخت را بررسی و از آن بهعنوان یکی از نشانههای احتمالی آلودگی استفاده کرد.
شناسایی تفاوت درختان سالم و آلوده با فناوری طیفسنجی
نوروزی با تشریح یکی دیگر از بخشهای این پروژه اظهار کرد: با استفاده از دوربینهای ابرطیف، تصاویر متعددی از درختان سالم و آلوده در طول موجهای مختلف ثبت شده است. مقایسه ویژگیهای طیفی این تصاویر، امکان شناسایی تفاوتهای میان درختان سالم و آلوده را فراهم میکند.
وی افزود: در این فرآیند، ابتدا اطلاعات طیفی درختان در شرایط مختلف جمعآوری و سپس شاخصهای تشخیصی از آنها استخراج شد. این شاخصها مبنای توسعه مدلهایی قرار گرفتند که میتوانند با بررسی ویژگیهای طیفی، احتمال آلودگی درختان را مشخص کنند.
توسعه مدلهای تشخیصی و انتقال نتایج به تصاویر ماهوارهای
رئیس مرکز فناوری اطلاعات و اطلاعرسانی سازمان تات با اشاره به اتصال نتایج آزمایشگاهی به فناوری سنجش از دور تصریح کرد: پس از شناسایی ویژگیهای طیفی مرتبط با آلودگی، تلاش کردیم این اطلاعات را با دادههای ماهوارهای تطبیق دهیم تا امکان شناسایی و تهیه نقشه مناطق دارای درختان آلوده در سطح گسترده فراهم شود.
وی خاطرنشان کرد: در حال حاضر پنج مدل تشخیصی برای شناسایی آلودگی توسعه یافته است و نقشههای اولیه حاصل از این مدلها، مناطق دارای احتمال آلودگی را مشخص میکنند. نتایج بررسیهای اولیه میدانی نیز دقتی بیش از ۷۶ درصد را نشان داده است که با ادامه صحتسنجی و تکمیل دادهها، امکان بهبود عملکرد مدلها وجود دارد. نوروزی با اشاره به نقش تحقیقات کاربردی در توسعه این فناوریها گفت: در اجرای این پروژه از ظرفیت متخصصان و پژوهشگران حوزههای مختلف استفاده شده و تعدادی از دانشجویان دکتری نیز پژوهشهای دانشگاهی خود را در ارتباط با این موضوعات و نیازهای واقعی بخش کشاورزی دنبال میکنند.
وی در پایان تأکید کرد: هدف سازمان تات از توسعه چنین پروژههایی، تبدیل ظرفیتهای علمی و پژوهشی به راهکارهای عملیاتی برای حل مسائل بخش کشاورزی است. ترکیب دادههای صوتی، حرارتی، طیفی، پهپادی و ماهوارهای میتواند مسیر جدیدی برای تشخیص زودهنگام آفات، کاهش وابستگی به پایش سنتی و مدیریت هدفمندتر آلودگی در نخلستانهای کشور فراهم کند.



