1405/08/01

کامران خیرعلی پور

مرتبه علمی: دانشیار
ارکید: پیوند
تحصیلات: دکترای تخصصی
ریسرچ گیت: پیوند
دانشکده: کشاورزی و منابع طبیعی
اسکولار: پیوند
پست الکترونیکی: K.kheiralipour [at] ilam.ac.ir
اسکاپوس: پیوند
تلفن:
HIndex: 37

مشخصات پژوهش

عنوان
برآورد میزان اکسید پتاسیم در کود پتاس با استفاده از روش‌های پردازش تصویر فراطیفی و یادگیری ماشین
نوع پژوهش
مقاله چاپ‌شده در مجلات علمی
کلیدواژه‌ها
کود شیمیایی تصویربرداری فراطیفی پردازش تصویر یادگیری ماشینی شبکه عصبی مصنوعی
سال 1404
مجله تحقیقات آب و خاک ایران
شناسه DOI https://doi.org/10.22059/ijswr.2025.390680.669885
پژوهشگران محمدحسین نرگسی، کامران خیرعلی پور

چکیده

برای افزایش بهره‌وری کشاورزی، مدیریت حاصلخیزی خاک و تأمین عناصر مغذی از جمله پتاسیم بسیار مهم است. پتاسیم نقش حیاتی در رشد گیاه و فرآیندهای فیزیولوژیکی دارد؛ اما مصرف نامتعادل آن می‌تواند باعث کاهش کیفیت خاک یا اتلاف شود. روش‌های متداول اندازه‌گیری میزان اکسید پتاسیم پرهزینه و زمان‌بر هستند؛ بنابراین نیاز به روش‌های سریع، دقیق و مقرون ‌به ‌صرفه احساس می‌شود. هدف از این تحقیق، تشخیص میزان اکسید پتاسیم در کود پتاس بر اساس تصاویر فراطیفی است. پس از اکتساب تصاویر فراطیفی و پردازش آن ها، با استفاده از روش شبکه های عصبی مصنوعی و با دو رویکرد با و بدون انتخاب ویژگی طبقه‎بندی شدند. در رویکرد اول، تمامی ویژگی‌های استخراج‌شده از کانال‌های مؤثر تصاویر فراطیفی مستقیماً به عنوان ورودی مدل‌های طبقه‌بند به کار گرفته شدند؛ اما در رویکرد دوم، تنها ویژگی‌های منتخب وارد فرآیند طبقه‌بندی شدند. نتایج نشان داد که مدل شبکه عصبی مصنوعی بر اساس تمام ویژگی ‎های استخراجی (9/92 درصد) بالاتر از ویژگی‌های منتخب (3/91 درصد) بود. روش پیشنهادی در تحقیق حاضر می‌تواند در آینده برای تشخیص سایر عناصر شیمیایی در کود پتاس مورد استفاده قرار گیرد. این روش، ابزاری کارآمد برای ارزیابی سریع و غیرمخرب ترکیب کودها ارائه می‌دهد.