مروری بر پیش‌بینی عملکرد محصول با استفاده از الگوریتم‌های هوش مصنوعی

نویسندگان
doi
10.22034/jam.2024.61899.1276
چکیده

هوش مصنوعی در صنایع مختلف به‌ویژه صنعت کشاورزی کاربردهای گسترده‌ای دارد که به طور چشمگیری به افزایش بهره‌وری، کاهش هزینه‌ها و بهبود خدمات کمک می‌کند. این مقاله مروری جامع بر تحقیقات اخیر در زمینه پیش‌بینی عملکرد محصول با استفاده از الگوریتم‌های هوش مصنوعی ارائه می‌دهد. طیف گسترده‌ای از روش‌های یادگیری ماشین، ابزارها، داده‌کاوی، چالش‌ها و محدودیت‌های موجود و مجموعه ‌داده‌هایی را که برای پیش‌بینی عملکرد محصولات مختلف استفاده شده‌اند، مورد بررسی قرار گرفته است. بررسی‌ها با تمرکز بر طیف گسترده‌ای از محصولات، از جمله برنج، گندم، نیشکر و سویا بر اهمیت پیش‌بینی عملکرد محصول در کشاورزی دقیق و تصمیم‌گیری کشاورزان تأکید می‌کند. استفاده از الگوریتم‌های یادگیری ماشین شامل روش‌های نظارت‌شده و نظارت‌نشده، مانند رگرسیون، درخت‌های تصمیم‌گیری، ماشین‌های بردار پشتیبان و مدل‌های عمیق مانند شبکه‌های عصبی مصنوعی، در این تحقیقات مورد بحث قرار گرفته‌اند. ابزارهای متعددی مانند TensorFlow، Keras و Scikit learn برای توسعه و آزمایش این مدل‌ها به کار گرفته شده‌اند. داده‌کاوی به استخراج الگوهای معنی‌دار از داده‌های وسیع کشاورزی کمک می‌کند. همچنین، چالش‌ها و محدودیت‌های موجود مانند کیفیت داده‌ها، تفسیر مدل‌ها و نیاز به تطبیق با شرایط خاص حوزه کشاورزی نیز مورد بررسی قرار گرفته‌اند. با مقایسه معیارهای عملکرد مدل‌‌‌های مختلف یادگیری ماشین، شبکه‌‌‌های عصبی مصنوعی، جنگل تصادفی و مدل‌‌‌های پیش‌بینی مبتنی بر ماشین‌بردار پشتیبان برای پیش‌‌‌بینی عملکرد محصول مناسب‌‌‌تر هستند و دقت بالایی دارند.