پیشبینی پارامترهای محیطی گلخانه با استفاده از الگوریتم یادگیری عمیق
نویسندگان
1 گروه مهندسی ماشینهای کشاورزی، دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران، دانشگاه تهران، کرج، ایران.
2 گروه مهندسی ماشینهای کشاورزی، دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران، دانشگاه تهران، کرج، ایران.
3 گروه مهندسی ماشینهای کشاورزی، دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران، دانشگاه تهران، کرج، ایران.
4 گروه مهندسی ماشینهای کشاورزی، دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران، دانشگاه تهران، کرج، ایران.
doi
10.22059/ijbse.2025.388236.665578چکیده
ایجاد شرایط مناسب به جهت رشد گیاه در گلخانه نیازمند صرف کردن منابع و هزینههای عملیاتی است. بهمنظور مدیریت صحیح و صرفهجویی در مصرف منابع و هزینهها در گلخانه، کنترل شرایط محیطی بایستی به شکل کارآمد و اثربخشی صورت بپذیرد. روش مبتنی بر مدل دینامیکی با توجه به قدمت و برخورداری از ماهیت ریاضی پیوسته مورد توجه محققان در حوزه کنترل شرایط محیطی گلخانه بوده است. در این تحقیق، یک سامانه پیشبینی شرایط محیطی برای گلخانه شیشهای با استفاده از یادگیری عمیق طراحی شد. روش توسعه داده شده در مهیا کردن شرایط دقیق در تولید محصول گوجهفرنگی در گلخانه شیشهای انجام شد. مدل توسعه داده شده مبتنی بر یادگیری عمیق پیشبینی دما، رطوبت نسبی و غلظت دیاکسید کربن داخل گلخانه را بر اساس ورودیهای سرعت باد، دمای مجازی آسمان، میزان تابش فعال فتوسنتزی، تابش تجمعی، دما، رطوبت نسبی و غلظت دیاکسید کربن بیرون با ضریب تبیین ۸1/۰، ۶۱/۰ و ۸5/۰ انجام داد. شبکه عصبی عمیق به دلیل استفاده از دادههای عملیاتی گلخانه تحت کنترل کارشناسان خبره دارای عملکرد مناسب بود و نسبت به مدلهای دینامیکی مزایای امکان بهکارگیری بدون نیاز به مدل قبلی، تصمیمگیری پیوسته و بلندمدت برای شرایط محیطی بر اساس نیازهای گیاه، پایداری ذاتی بالا، سازگاری بالا و پیچیدگی کم در آموزش بلادرنگ را مهیا میکند. بر این اساس روشهای دقیق مبتنی بر هوش مصنوعی میتوانند به انتخاب بهترین راهکار در راستای حل مسئله کنترل بهینه گلخانه برای افزایش عملکرد و کاهش هزینه بیانجامد.
