گرد و غبار یکی از مسائل زیستمحیطی است که دارای اثرات نامطلوبی در همه بخشهای کشاورزی و منابع طبیعی است. هدف از تحقیق حاضر پیشبینی غلظت گرد و غبار در هوا است. یک سامانه آزمایشگاهی برای گرفتن تصاویر از گرد و غبار شامل اتاقک شیشهای، دمنده، غبارسنج، دوربین تصویربرداری، و رایانه پیادهسازی شد. با استفاده از خاک رس طوفان گرد و غبار با غلظتهای مختلف از 0، 275، 1289، 1896، 2316، 2585، و 2750 میکروگرم بر مترمکعب در داخل اتاقک شیشهای ایجاد شد. برای هر غلظت گرد و غبار، 15 تصویر به دست آمد و پس از پیشپردازش آنها، میانگین کانالهای مختلف تصاویر در فضاهای مختلف رنگی استخراج شد. از ویژگیهای تصاویر برای پیشبینی غلظت گرد و غبار با کمک فناوری هوش مصنوعی استفاده شد. داده ها به سه گروه تقسیمبندی شدند، 60 درصد دادهها برای آموزش، 20 درصد برای اعتبارسنجی، و 20 درصد برای آزمون شبکه استفاده شد. مدلهای مختلف شبکه عصبی مصنوعی پرسپترون چندلایه مورد بررسی قرار گرفت و مشخص شد که مدل با ساختار 1-8-10 با تابع فعالسازی تنسیگ در لایههای پنهان و خروجی دارای بیشترین دقت (81/93 درصد) است. یافتههای تحقیق حاضر قابلیت فناوریهای پردازش تصویر و هوش مصنوعی در پیشبینی غلظت گرد و غبار با دقت زیاد و هزینه کم را نشان میدهد.
