پیش بینی پارامترهای محیطی گلخانه با استفاده از الگوریتم یادگیری عمیق

ایجاد شرایط مناسب به جهت رشد گیاه در گلخانه نیازمند صرف کردن منابع و هزینه های عملیاتی است. به منظور مدیریت صحیح و صرفه جویی در مصرف منابع و هزینه ها 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 پیش بینی شرایط محیطی برای گلخانه شیشه ای با استفاده از یادگیری عمیق طراحی شد. روش توسعه داده شده در مهیا کردن شرایط دقیق در تولید محصول گوجه فرنگی در گلخانه شیشه ای انجام شد. مدل توسعه داده شده مبتنی بر یادگیری عمیق پیش بینی دما، رطوبت نسبی و غلظت دی اکسید کربن داخل گلخانه را بر اساس ورودی های سرعت باد، دمای مجازی آسمان، میزان تابش فعال فتوسنتزی، تابش تجمعی، دما، رطوبت نسبی و غلظت دی اکسید کربن بیرون با ضریب تبیین ۸۱/۰، ۶۱/۰ و ۸۵/۰ انجام داد. شبکه عصبی عمیق به دلیل استفاده از داده های عملیاتی گلخانه تحت کنترل کارشناسان خبره دارای عملکرد مناسب بود و نسبت به مدل های دینامیکی مزایای امکان به کارگیری بدون نیاز به مدل قبلی، تصمیم گیری پیوسته و بلندمدت برای شرایط محیطی بر اساس نیازهای گیاه، پایداری ذاتی بالا، سازگاری بالا و پیچیدگی کم در آموزش بلادرنگ را مهیا می کند. بر این اساس روش های دقیق مبتنی بر هوش مصنوعی می توانند به انتخاب بهترین راهکار در راستای حل مسئله کنترل بهینه گلخانه برای افزایش عملکرد و کاهش هزینه بیانجامد.

کلیدواژه ها:

گلخانه هوشمند ، هوش مصنوعی ، مدل های شبیه سازی