مقایسه روشهای مختلف یادگیری ماشین در کشاورزی مبتنی بر اینترنت اشیاء

شناسایی به موقع آفات و بیماریهای گیاهی، پیش بینی وضعیت هوا، طراحی سیستم هوشمند آبیاری در افزایش عملکرد محصولات کشاورزی بسیار مهم و موثر میباشد. فناوری اینترنت اشیاء با بکارگیری طیف وسیعی از حسگرها در مزرعه کشاورزی و جمع آوری اطلاعات از بخش های مختلف مزرعه و ارائه آنها به کشاورز در زمان مناسب، انقلاب عظیمی در کشاورزی مدرن ایجاد نموده است. تکنیکهای داده محور مدیریت مزرعه به افزایش بازده کشاورزی از طریق مدیریت هزینه ها، کاهش تلفات و استفاده کارآمد از منابع کمک میکند. اینترنت اشیاء حجم انبوهی از انواع مختلف داده تولید میکند. تجزیه تحلیل و پردازش داده های تولید شده به منظور افزایش بازده کشاورزی در مدیریت هوشمند مزرعه امری ضروری است. یادگیری ماشینی با بهره گیری از داده هایی که بطور مداوم با کمک پلتفرم کشاورزی مبتنی بر اینترنت اشیاء به دست میآید و پردازش آنها به کشاورزان در کسب اطلاعات، تصمیم گیری و اقدام به موقع، همچنین مدیریت مزرعه کمک میکند. در این مقاله، تکنیکهای مختلف یادگیری ماشینی اعم از نظارت شده و نظارت نشده قابل استفاده در حوزه کشاورزی مورد مطالعه و بررسی قرار گرفته و روشهای مختلف یادگیری ماشین از نظر میزان دقت با یکدیگر مقایسه شده اند.

Keywords:

اینترنت اشیاء , کشاورزی مبتنی بر اینترنت اشیاء , مدیریت مزرعه داده محور , یادگیری ماشین نظارت شده , یادگیری ماشین بدون نظارت.