ترجمه فارسی مقاله مداخلات یادگیری ماشینی برای تشخیص علف های هرز با استفاده از تصاویر چند طیفی و وسایل نقلیه هوایی بدون سرنشین – یک بررسی سیستماتیک

چکیده

The growth of weeds poses a significant challenge to agricultural productivity, necessitating efficient and accurate weed detection and management strategies. The combination of multispectral imaging and drone technology has emerged as a promising approach to tackle this issue, enabling rapid and cost-effective monitoring of large agricultural fields. This systematic review surveys and evaluates the state-of-the-art in machine learning interventions for weed detection that utilize multispectral images captured by unmanned aerial vehicles. The study describes the various models used for training, features extracted from multi-spectral data, their efficiency and effect on the results, the performance analysis parameters, and also the current challenges faced by researchers in this domain. The review was conducted in accordance with the PRISMA guidelines. Three sources were used to obtain the relevant material, and the screening and data extraction were done on the COVIDENCE platform. The search string resulted in 600 papers from all sources. The review also provides insights into potential research directions and opportunities for further advancements in the field. These insights would serve as a valuable guide for researchers, agricultural scientists, and practitioners in developing precise and sustainable weed management strategies to enhance agricultural productivity and minimize ecological impact.

چکیده به فارسی (ترجمه ماشینی)

رشد علفهای هرز چالش مهمی را برای بهره وری کشاورزی ایجاد می کند ، و این امر نیاز به استراتژی های کارآمد و دقیق علفهای هرز دارد.ترکیبی از تصویربرداری چند طیفی و فناوری هواپیماهای بدون سرنشین به عنوان یک رویکرد امیدوار کننده برای مقابله با این مسئله ظاهر شده است و باعث می شود نظارت سریع و مقرون به صرفه در زمینه های بزرگ کشاورزی باشد.این بررسی سیستماتیک بررسی و ارزیابی پیشرفته در مداخلات یادگیری ماشین برای تشخیص علفهای هرز که از تصاویر چند طیفی گرفته شده توسط وسایل نقلیه هوایی بدون سرنشین استفاده می شود.این مطالعه مدلهای مختلفی را که برای آموزش استفاده می شود ، ویژگی های استخراج شده از داده های چند طیفی ، راندمان و تأثیر آنها بر نتایج ، پارامترهای تجزیه و تحلیل عملکرد و همچنین چالش های فعلی که محققان در این حوزه با آن روبرو هستند ، توصیف می کند.این بررسی مطابق با دستورالعمل های PRISMA انجام شد.برای به دست آوردن مواد مربوطه از سه منبع استفاده شد و غربالگری و استخراج داده ها بر روی سکوی Covidence انجام شد.رشته جستجو منجر به 600 مقاله از همه منابع شد.این بررسی همچنین بینش هایی در مورد جهت های تحقیقاتی و فرصت های بالقوه برای پیشرفت های بیشتر در این زمینه ارائه می دهد.این بینش ها به عنوان یک راهنمای ارزشمند برای محققان ، دانشمندان کشاورزی و دست اندرکاران در تدوین استراتژی های دقیق و پایدار مدیریت علفهای هرز برای تقویت بهره وری کشاورزی و به حداقل رساندن تأثیر زیست محیطی خدمت می کنند.