فهرست نشریات علمی دسترسی آزاد ایران

هدف: وقتی صحبت از اقتصاد و جمعیت سالم می‌شود، بخش کشاورزی ضروری است. کشاورزی هوشمند (SA) یک استراتژی تغییر‌دهنده بازی است که تکنیک‌های کشاورزی را با استفاده از فناوری‌های پیشرفته مانند تجزیه و تحلیل داده‌های بزرگ و اینترنت اشیا (IoT) در پاسخ به نیاز روزافزون به غذا در مقیاس جهانی بهینه می‌کند. اینترنت اشیا (IoT) مقادیر انبوهی از داده‌ها را از مزارع جمع‌آوری می‌کند و امکان کنترل دقیق‌تر بیماری، روش‌های آبیاری و پیش‌بینی محصول را فراهم می‌کند. هدف از این تحقیق، پیش‌بینی و بهبود تولید گیاه انگور با استفاده از شبکه عصبی کانولوشنال (CNN) مرحله N آموزش دیده با استفاده از داده‌های پایگاه داده SA بود. مواد و روش‌ها: روش‌های برنامه‌ریزی بهینه آبیاری و پیش‌بینی مقدار نیز با استفاده از روش‌های یادگیری ماشینی در تحقیق اجرا می‌شوند. یکی از روش‌های مفید برای تشخیص و درمان زودهنگام بیماری‌های گیاهی در این تحقیق مورد بررسی قرار می‌گیرد: شبکه متخاصم دوگانه (DGAN). این شبکه ممکن است توسط کشاورزان استفاده شود.نتایج: هدف اصلی این مطالعه توسعه یک مدل شبکه عصبی کانولوشنال چند مرحله‌ای (CNN) بود که می‌تواند به طور قابل‌توجهی بازده کشاورزی را با تمرکز بر تولید انگور افزایش دهد.نتیجه‌گیری: یک استراتژی جامع برای مدیریت توسعه گیاه انگور توسط این مدل از طریق ادغام ویژگی‌های حیاتی مانند برنامه‌ریزی آبیاری و تشخیص بیماری ارائه شده است. کشاورزان با کمک این روش می‌توانند منابع و بازده خود را به حداکثر برسانند، که همچنین دقت پیش‌بینی عملکرد را افزایش می‌دهد و تصمیمات مدیریتی بهتر را تسهیل می‌کند. به منظور افزایش تولید مواد غذایی در مقیاس جهانی و ترویج تکنیک‌های کشاورزی پایدار، یافته‌های این مطالعه ممکن است منجر به استفاده گسترده‌تر از روش‌های کشاورزی هوشمند شود.