اهمیت ترویج و توسعه هوش مصنوعی در تشخیص بیماری های گیاهی در ایران

سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 51

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AGRIHORMOZ02_108

تاریخ نمایه سازی: 19 اردیبهشت 1404

چکیده مقاله:

بیماری های گیاهی تهدیدی جدی برای تولیدات کشاورزی در ایران محسوب می شوند، کشوری که به شدت به سلامت محصولات کشاورزی خود برای امنیت غذایی و ثبات اقتصادی وابسته است. تشخیص زودهنگام و دقیق بیماری های گیاهی برای کاهش خسارات محصولات و تضمین روش های کشاورزی پایدار بسیار حیاتی است. روش های سنتی تشخیص بیماری های گیاهی اغلب به بازرسی های فردی و دانش متخصصان متکی هستند که می توانند زمان بر، ذهنی و مستعد خطا باشند. در ایران، سیستم های تشخیص بیماری های گیاهی مبتنی بر هوش مصنوعی می توانند با بهبود تشخیص زودهنگام، بهینه سازی استفاده از آفت کش ها و کاهش تاثیرات محیط زیستی از طریق درمان های هدفمند، نقش مهمی ایفا کنند. با این حال، پذیرش هوش مصنوعی در این حوزه با چالش هایی مانند کمبود داده ها، نیاز به زیرساخت های تخصصی و دسترسی محدود به تخصص فنی مواجه است. برای رفع این محدودیت ها، استفاده از فناوری های هوش مصنوعی در حال گسترش است، زیرا این فناوری ها توانایی شناسایی سریع و دقیق بیماری های گیاهی را از طریق تکنیک های تصویربرداری محاسباتی دارند. فناوری های یادگیری عمیق (DL)، یادگیری ماشین (ML) و بینایی کامپیوتری با موفقیت برای تشخیص بیماری ها در برگ های گیاهان به کار گرفته اند، جایی که علائم قابل مشاهده مانند لکه ها و تغییر رنگ اغلب اولین بار ظاهر می شوند. با استفاده از مجموعه های بزرگ داده های تصویری گیاهان، مدل های هوش مصنوعی می توانند بیماری های مراحل اولیه را که اغلب با چشم غیرمسلح قابل مشاهده نیستند، شناسایی کنند و به کشاورزان اجازه دهند قبل از وقوع خسارات جدی، اقدامات پیشگیرانه انجام دهند. علاوه بر این، هوش مصنوعی می تواند پیشرفت بیماری را پیش بینی کند و بینش های ارزشمندی در مورد زمان و نوع مداخله مورد نیاز ارائه دهد، که به بهینه سازی استفاده از آفت کش ها و کودها کمک کرده و در نهایت منجر به روش های کشاورزی پایدارتر می شود. با این حال، کاربرد هوش مصنوعی در تشخیص بیماری های گیاهی با چالش هایی مانند نیاز به مجموعه های داده با کیفیت و برچسب گذاری شده برای آموزش مدل های یادگیری ماشین و نیاز به سیستم های مقیاس پذیر که در شرایط مختلف کشاورزی مقاوم باشند، مواجه است. علاوه بر این، تنوع علائم بیماری در گونه های مختلف گیاهی و شرایط محیطی می تواند توسعه ابزارهای تشخیصی جهانی را پیچیده کند. در نهایت، با سرمایه گذاری مناسب در تحقیق و توسعه هوش مصنوعی، جمع آوری داده ها و ایجاد ظرفیت ها، هوش مصنوعی می تواند به طور قابل توجهی مدیریت بیماری های گیاهی در ایران را بهبود بخشد و منجر به

نویسندگان

رضا الماسی

گروه تولید و ژنتیک گیاهی، دانشکده کشاورزی، دانشگاه ملایر، ملایر، ایران