استفاده از هوش مصنوعی در گلخانه (هوشمند سازی گلخانه)

یکی از مهمترین اقدامات به منظور ایجاد محیطی مناسب برای رشد بهینه گیاه گلخانه ای کنترل دقیق متغیرهای داخلی گلخانه به منظور بهینه سازی میزان تبادلات انرژی بین گلخانه با محیط بیرون است. در این راستا یکی از ایده های جدید هوشمندسازی گلخانه است. اولین قدم در این مسیر پیش بینی تمامی متغیرهای تاثیرگذار یک گلخانه به حساب می آید. از این رو در این تحقیق از دو مدل شبکه عصبی MLP-RBF (برای تخمین چهار متغیر تاثیرگذار شامل دمای هوا، گیاه سقف و رطوبت هوای داخل (گلخانه یک گلخانه دوطرفه شیشه ای با ساختار ویژه واقع در شهر ملاثانی اهواز استفاده شد. بدین منظور از متغیرهای محیطی بیرونی شامل دما و رطوبت هوای بیرون و همچنین تابش روی سطح افق به عنوان فاکتورهای ورودی مدل ها استفاده شد. داده برداری توسط حسگرهای مربوطه در گلخانه ای به مساحت ۱۲ متر مربع و حجم هوای ۴۰ متر مکعب انجام گرفت. نتایج نشان داد که مدل RBF از دقتی حدود ۴۰٪ بیشتر نسبت به مدل MLP برخوردار است. در این تحقیق قابلیت تعمیم پذیری هر دو مدل با ۴۰ و ۴۰ درصد از کل داده های آموزشی مورد بررسی قرار گرفت. نتایج به دست آمده نشان داد که مدل RBF قادر است با مجموعه داده های کمتر نسبت به مدل MLP نتایج را بهتر و دقیقتر برآورد کند. دقت بالاتر و قابلیت کار با مجموعه داده های کمتر از مزایای شناخته شده مدل RBF در این تحقیق بود که می تواند در هوشمند کردن گلخانه های نسل جدید و کنترل آنها مورد استفاده قرار گیرد.

کلیدواژه ها:

هوش مصنوعی ، گلخانه ، هوشمندسازی ، شبکه عصبی ، مدل MLP-RBF