Majid Pirhayati

سامانه جامع پایان‌نامه دکترا

ویژه
هوش مصنوعی FastAPI (Async/SSE)، TensorFlow/Keras (CNN + لایه سفارشی DifferentiableGA)، SQLite + sqlite3، Threading/ThreadPoolExecutor + BackgroundTasks

مشخصات پروژه

کارفرما / مشتری
شخصی
تاریخ اجرا
1405
مدت زمان اجرا
6 سال
نقش من
پژوهشگر، طراح و برنامه نویس

این سامانه را برای اجرا، نگهداری و ارائهٔ مراحل پایان نامهٔ دکترای خودم با عنوان «طراحی و ارائهٔ روشی بهینه مبتنی بر شبکه های عصبی عمیق برای تخمین سطح زیر کشت محصولات راهبردی کشاورزی با استفاده از تصاویر پهپاد» طراحی و پیاده سازی کردم.

این سامانه تمامی مراحل پژوهش را پوشش میدهد: از جمع آوری دیتاست، آموزش مدل ها، ساخت شبکهٔ ژنتیک EvoCropNet و آموزش SVM، تا به کارگیری الگوریتم های سگمنتیشن و ترکیب ensemble آنها. هدف نهایی، پردازش تصاویر دریافتی از پهپاد برای شناسایی محصولات استراتژیک کشاورزی و محاسبهٔ سطح زیر کشت آنها است؛ سپس نتایج در پایگاه داده ثبت شده و میزان سطح زیر کشت تخمین زده شده روی نقشه و در قالب گزارش های مختلف نمایش داده می شود.

همچنین تمامی منابع علمی، فرمول ها و روش های استفاده از آنها، همراه با نتایج و نمودارهای حاصله، در این سامانه قابل مشاهده و بررسی است.

چالش‌ها

عدم دسترسی به دیتاست تصاویر پهپهادی محصولات استراتژیک کشاورزی، عدم دسترسی به سخت افزارهای با توان پردازشی بالا

راه‌حل

استفاده از تصاویر و ویدئوهای پهپادی موجود در منابع آنلاین و تبدیل آنها به دیتاست مورد نیاز (با حجم بسیار زیاد)، استفاده از سخت افزارهای با توان کمتر جهت پردازش های مورد نیاز (این امر باعث انجام پژوهش اما با سرعت کمتری نسبت به سرعت مورد انتظار شد)

نتایج و دستاوردها

این پژوهش همچنان ادامه داشته و نتایج حاصله در انتها ارائه خواهد شد

گالری تصاویر پروژه