Abstrakt
Qulupnay dalalarida begona o‘tlar tez ko‘payib, qulupnay ko‘chatlarini ozuqa va yorug‘likdan mahrum qiladi, mahalliy atrof-muhit haroratini oshiradi va zararkunandalar va kasalliklar uchun oraliq xo‘jayin bo‘lib xizmat qiladi, ularning paydo bo‘lishi va tarqalishini tezlashtiradi. Qulupnay koʻchatlarini yetishtirishda begona oʻtlarga qarshi kurash masalasini hal qilish uchun ushbu maqolada DIN-LW-YOLO asosida qulupnay dalalari uchun avtonom lazerli begona oʻtlardan tozalash roboti ishlab chiqilgan. Birinchidan, har xil muhitdagi qulupnay dalalaridan maʼlumotlar toʻplamini oʻrnatish orqali biz DIN-LW-YOLOni taklif qilamiz: tomchilatib sugʻorish quvurlari navigatsiyasi va lazerli begona oʻtlarni aniqlash usuli, bu qulupnay koʻchatlari, begona oʻtlar, tomchilatib sugʻorish quvurlari va begona oʻtlarning oʻsish nuqtalarini real vaqtda aniqlay oladi-}. Model yuqori aniqlikdagi YOLOv8-pozis xaritalarida bashorat boshlarini quradi. EMA eʼtibor moduli bashorat boshi va Spatial Pyramid Pooling Fast (SPPF) modulidan oldin piksellar{15}}darajasida juftlashgan munosabatlarni suratga olish uchun qoʻshilgan. Ushbu yondashuv sayoz xususiyatli xaritalardagi batafsil ma'lumotlardan yaxshiroq foydalanadi va kichik nishonlarni aniqlashni yaxshilaydi. Bundan tashqari, deformatsiyalanuvchi konvolyutsiyalar maqsadli xususiyatlarni moslashtirish uchun ishlatiladi, bu xususiyat termoyadroviy modulining darboğaz tuzilishidagi ikkinchi konvolyutsiyani almashtiradi va cho'zilgan tomchilatib sug'orish quvurlari nishonlarini aniqlashni kuchaytiradi. Keyinchalik, DIN-LW-YOLO lazerli o'tlarni tozalash robotiga birlashtirilgan. Boshqaruv tizimi navigatsiya yo‘lini qayta aloqa nazorati uchun tomchilatib sug‘orish trubasining kengligidan kelib chiqib belgilaydi va qulupnay ko‘chatlari va tomchilatib sug‘orish quvurlariga nisbatan begona o‘tlar o‘sish nuqtalarining koordinatalarini olish, avtonom lazerli begona o‘tlardan tozalash ishlariga erishish orqali lazer nishonini joylashtiradi. Sinov natijalari shuni ko'rsatadiki, DIN-LW-YOLO modeli turli muhit va o'sish bosqichlarida qulupnay dala ma'lumotlarida kuchli tanib olish samaradorligini namoyish etadi. Mintaqaviy va nuqtali nishonni aniqlashda modelning o'rtacha aniqligi (mAP) mos ravishda 88,5% va 85,0% ni tashkil etadi, bu asl modelga nisbatan 1,9% va 2,6% ga yaxshilanadi, avtonom lazerli o'tlarni tozalash robotining real vaqt rejimida ishlash talablariga javob beradi. Dala sinovlari natijalari begona o'tlarga qarshi kurash va ko'chatlarning shikastlanish darajasi mos ravishda 92,6% va 1,2% ni tashkil etadi, bu qulupnay dalalarida mexanik begona o'tlar uchun agrotexnik talablarga javob beradi. Topilmalar aqlli qishloq xo'jaligi uskunalarini loyihalashga yordam beradi va qulupnay ekinlarini himoya qilishda mashina ko'rishni qo'llashga yordam beradi.
Kirish
Qulupnay Rosaceae oilasining ko'p yillik otsu o'simliklari bo'lib, odatda stolonlar orqali vegetativ tarzda ko'payadi. Past-oʻsadigan qulupnay oʻsimliklari ham pitomnik, ham dala sharoitida atrofdagi begona oʻtlarga juda sezgir. Kuchli begona o'tlar nafaqat ozuqa moddalari va yorug'lik uchun raqobatlashadi, mahalliy atrof-muhit haroratini oshiradi, balki zararkunandalar va kasalliklar uchun oraliq xo'jayin bo'lib xizmat qiladi, ularning tarqalishini tezlashtiradi. Binobarin, begona o'tlarga qarshi kurash qulupnayning hosildorligi va sifatiga bevosita ta'sir qiladi. Ko'pincha qo'llaniladigan- va{6}}paydo bo'ladigan gerbitsidlar hosildorlikka, atrof-muhitga va ishchilar salomatligiga salbiy ta'sir qiladi (Huang va boshq., 2018). Rabier va boshqalar. (2017) mexanik oʻt oʻtlari gerbitsidlarga qaraganda kamroq samarali ekanligini taʼkidladi, chunki oddiy oʻt oʻtlari (masalan, ketmonlar, aylanuvchi pichoqlar) qator ichidagi begona oʻtlarni aniq nishonga olmaydi. Bundan tashqari, ishlov berish natijasida tuproqning buzilishi tuproq chuvalchanglari kabi foydali tuproq organizmlariga zarar etkazishi va tuproq eroziyasiga va ozuqa moddalarining yuvilishiga olib kelishi mumkin (Chatterjee va Lal, 2009). Yovvoyi o'tlarga qarshi kurashning joriy usullari bilan bog'liq xavotirlar innovatsion yechimlarga bo'lgan ehtiyojni ta'kidlaydi, ular orasida lazer{18}}bilan o'tlarga qarshi kurash va'da beradi (Tran va boshq., 2023).
Yovvoyi o'tlarga{0}}lazer asosida qarshi kurash sohasida turli yutuqlar texnologiyaning rivojlanishini barqaror sur'atda oshirdi. Heisel va boshqalar. (2001) begona o'tlarni nazorat qilish uchun o't poyalarini kesish uchun lazer nurlaridan foydalanishga kashshof bo'ldi. Keyinchalik Mathiassen va boshqalar. (2006) lazer bilan ishlov berishning begona o'tlarni bostirishga ta'sirini chuqur o'rganish{7}}o'tkazdi, natijada begona o'tlar apikal meristemalariga lazer ta'siri o'sishni sezilarli darajada kamaytirdi va ayrim begona o'tlar turlari uchun halokatli bo'ldi. Nadimi va boshqalar. (2009) begona o'tlarni dinamik nishonga olishni taqlid qilish uchun lazerli o'tlarni sinash qurilmasini ishlab chiqdi. Keyinchalik Marks va boshqalar. (2012) eksperimental ravishda begona o'tlarni samarali nazorat qilish uchun CNC (Kompyuter raqamli nazorati) meristemalarni aniq nishonga olishni talab qilishini ko'rsatdi, Ge va boshqalar. (2013) va Xuelei va boshqalar. (2016) lazerli o'tlarni tozalash uchun har bir taklif qilingan robot qo'l tushunchalari. Arsa va boshqalar. (2023) begona oʻtlarning oʻsish nuqtalarini aniqlash-kodlovchi dekoder arxitekturasiga ega boʻlgan konvolyutsion neyron tarmogʻini joriy qildi, bu texnologiyada aniq lazer nishonlash uchun-oʻsish nuqtasini aniqlashning ahamiyati va maqsadga muvofiqligini taʼkidladi. Bu tadqiqotlar birgalikda lazer{24}}asosidagi turli oʻlchamdagi begona oʻtlarga qarshi tizimli ravishda ilgʻor texnologiyalarga ega.
So'nggi yillarda dalada begona o'tlarni tozalash muammolarini hal qilish uchun tadqiqotchilar ekin maydonlarida begona o'tlarni aniqlash uchun chuqur o'rganish usullarini qo'llashdi. Gao va boshqalar. (2020) qand lavlagini begona o'tlardan ajratish uchun YOLOv3-asosidagi chuqur konvolyutsion neyron tarmog'i (CNN) yordamida usulni ishlab chiqdi, Jobir va boshqalar. (2021) begona o'tlarni aniqlash uchun eng mos tuzilmani tanlab, orkidelarni konvolvulusdan farqlash uchun -Detectron 2, EfficientDet, YOLO va Faster R-CNN-to'rtta tarmoq arxitekturasini qo'llagan. Chen va boshqalar. (2022) SE modulini SPPga mantiqiy qatlam sifatida kiritish va mahalliy ahamiyatga ega boʻlgan birlashmani qoʻshish, maqsadli oʻlchamlardagi oʻzgarishlarni bartaraf etish va kunjut maydonlarida begona oʻtlarni aniqlash samaradorligi va aniqligini sezilarli darajada oshirish orqali YOLOv4 modelini takomillashtirdi. Visentin va boshqalar. (2023) aqlli va avtomatlashtirilgan o'tlarni tozalashga erishgan gibrid avtonom robotli o'tlarni tozalash tizimini namoyish etdi. Shao va boshqalar. (2023) oltita turdagi begona oʻtlarni aniqlash uchun GTCBS-YOLOv5s chuqur oʻrganish modelini taklif qilish orqali -suv aksi, tuproq foni, bir-birining ustiga chiqqan oʻsish va turli yorugʻlik- kabi sholli dalalardagi murakkab muammolarni koʻrib chiqdi. Fan va boshqalar. (2023) CBAM moduli, BiFPN tuzilishi va ikki chiziqli interpolyatsiya algoritmidan foydalangan holda begona o'tlarni aniqlash va boshqarish integratsiyalashgan modelini yaratdi. Xu va boshqalar. (2023) ko'rinadigan rang indekslarini kodlovchi{34}}dekoder arxitekturasiga asoslangan namunalarni segmentatsiyalash usuli bilan birlashtirgan yangi yondashuvni taqdim etdi, u zich ekilgan soya ekinlari orasida begona o'tlarni aniq aniqlash va segmentlarga ajratish muammosini samarali hal qiladi. Liao va boshqalar. (2024) yangi Strip Convolutional Network modelini (SC{42}}Net) taklif qildi, u yuqori aniqlik va barqarorlikni namoyish qiluvchi maxsus guruch ko'chatlari va davlat qishloq xo'jaligi ma'lumotlar to'plamida 87,48 % va 89,00 % mIoU ballga erishdi. Ronay va boshqalar. (2024) SMA ning turli o'sish bosqichlarida, shuningdek, spektral va fazoviy ruxsatda begona o'tlar bilan qoplanishini baholashda ish faoliyatini baholadi. Rai va Sun (2024) UAV tomonidan olingan masofadan zondlash tasvirlaridagi begona o'tlarni chegaraviy joylashuvi va piksel darajasidagi misol segmentatsiyasiga qodir bo'lgan bir bosqichli chuqur o'rganish arxitekturasini ishlab chiqdi.
Xulosa qilib aytganda, hozirgi tadqiqotlar birinchi navbatda ekinlarni begona o'tlardan ajratishga qaratilgan. Shu bilan birga, qulupnay dalalarida o'tlarni lazer bilan tozalash uchun nafaqat begona o'tlarni aniqlash, balki tomchilatib sug'orish quvurlarini aniqlash va begona o'tlarning o'sish nuqtasi koordinatalarini aniq o'tlardan tozalash operatsiyalarini amalga oshirish uchun mahalliylashtirish ham muhimdir. Dala navigatsiyasi uchun tomchilatib sug'orish quvurlaridan foydalanish yagona tarmoq modeliga funksionallikni qo'shib, hisoblash resurslarini optimallashtiradi. Shunga qaramay, qulupnay o'simliklarining turli o'lchamlari, nozik suv quvurlari va qulupnay ko'chatlari va quvurlar o'rtasida bir-birining ustiga tushishi, shuningdek, zich to'plangan begona o'tlar kabi murakkab sharoitlar begona o'tlar, qulupnay ko'chatlari, qulupnay o'sish joylari va sug'orish joylarida aniq ajratib olish va o'rganish uchun jiddiy qiyinchiliklar tug'diradi.
Yuqoridagi kontekstga asoslanib, ushbu tadqiqot quyidagi maqsadlarni ko'zlaydi: (1) qulupnay maydonlari, tomchilatib sug'orish quvurlari, begona o'tlar va begona o'tlar o'sish nuqtalari uchun turli o'sish sharoitlari va bosqichlarini qamrab oluvchi ma'lumotlar to'plamini yaratish; (2) qulupnay maydonlari, tomchilatib sug‘orish quvurlari, begona o‘tlar va begona o‘tlar o‘sish nuqtalarini aniq aniqlash uchun DIN{2}}LW-YOLO modelini taklif qilish; (3) o't o'chirish roboti uchun real vaqt-navigatsiya va lazer nishonini boshqarish uchun DIN-LW-YOLO modeliga asoslangan boshqaruv tizimini ishlab chiqish; va (4) haqiqiy dala sharoitida avtonom lazerli begona o'tlarni tozalash samaradorligini baholash uchun qulupnay dalalarida lazerli o'tlarni tozalash robotini joylashtirish orqali dala sinovlarini o'tkazish.
