کاربرد هوش مصنوعی برای استخراج چرخه رانندگی تراکتور کشاورزی

یکی از روش های رایج در پایش مقدار مصرف سوخت و آلایندگی وسائل نقلیه استفاده از چرخه رانندگی اختصاصی آن خودرو است. به دلیل اهمیت استخراج چرخه رانندگی در خودروهای سواری، اغلب تحقیقات به سمت بررسی چرخه رانندگی خودروهای سبک بوده است. یکی از چالش های مهم در استخراج چرخه رانندگی هر وسیله نقلیه ای تحلیل داده ها، طبقه بندی و تشخیص الگوی رانندگی است. از جمله وسائط نقلیه غیرجاده ای، تراکتورهای کشاورزی است که اندازه آن ها بستگی به عملیات کشاورزی دارد. همچنین عملیات کشاورزی انجام شده در مصرف سوخت، بارگذاری و آلایندگی تراکتورهای کشاورزی اثرگذار است. روش های جدید تحلیل و تشخیص الگوی رانندگی عموما بر اساس روش های مبتنی بر هوش مصنوعی است. معمولا دقت تشخیص و الگوی روش های مبتنی بر هوش مصنوعی بزرگتر از %۹۰ است و دیگر ویژگی آن ها در تطبیق با کلان داده هاست. نتایج این تحقیق نشان داد که استفاده از روش های متداول یادگیری ماشین برای خوشه بندی و طبقه بندی برای هر حجمی از ویژگی ها قابل استفاده است.  با این حال، افزایش ویژگی ها، پیچیدگی تقسیم بندی نواحی و تاثیر عوامل مدیریت مزرعه باعث اختلال در روند آموزش الگو و کاهش دقت چرخه رانندگی استخراج شده و پیش بینی رفتار رانندگی می شود. بنابراین استفاده از الگوهای پیشرفته با قابلیت یادگیری عمیق برای بهبود دقت استخراج چرخه رانندگی در تراکتورهای کشاورزی ضروری است. لذا استخراج چرخه رانندگی هوشمند برای تراکتورهای کشاورزی بر اساس نوع عملیات کشاورزی به کمک روش های هوش مصنوعی می تواند موجب طراحی بهینه این دست از وسائط نقلیه غیر جاده ای شود و بطور همزمان خروجی های آلایندگی و متغیرهای اثرگذار عملیات کشاورزی را در الگوی رانندگی دخیل کند.

کلیدواژه ها:

هوش مصنوعی ، یادگیری ماشین ، یادگیری عمیق ، تراکتور کشاورزی ، الگوی چرخه رانندگی