کاربرد هوش مصنوعی و کلان داده ها در مدیریت مزارع مدرن

زمینه و هدف: با توجه به پیشرفت های فناوری در بخش کشاورزی، هوش مصنوعی و کلان داده ها به عنوان ابزارهای کلیدی در مدیریت مزارع مدرن مطرح شده اند. هدف این پژوهش ارائه مرور سیستماتیک کاربردهای هوش مصنوعی و کلان داده ها در مدیریت مزارع مدرن و تحلیل مزایا، محدودیت ها و فرصت های موجود بود. مواد و روش ها: این مطالعه به روش مرور سیستماتیک انجام شد و مقالات منتشر شده در بازه زمانی ۲۰۱۵ تا ۲۰۲۵ برای منابع انگلیسی و ۱۳۹۵ تا ۱۴۰۴ برای منابع فارسی از پایگاه های داده داخلی و خارجی جمع آوری گردید. معیارهای ورود شامل مطالعات مرتبط با کاربرد هوش مصنوعی یا کلان داده ها در کشاورزی و مدیریت مزارع بود. مقالات انتخاب شده بر اساس محورهای کاربردهای هوش مصنوعی، کلان داده ها، چالش ها و فرصت ها تحلیل شدند. یافته ها: نتایج نشان داد که الگوریتم های یادگیری ماشین و شبکه های عصبی در پیش بینی عملکرد محصول، تشخیص بیماری ها و آفات و بهینه سازی مصرف آب و کود نقش موثری دارند. همچنین، کلان داده ها با تحلیل حجم وسیعی از اطلاعات محیطی و مدیریتی، امکان تصمیم گیری بهینه و کاهش ریسک های محیطی را فراهم می کنند. مطالعات داخلی بیشتر محدود به مقیاس کوچک و الگوریتم های ساده بودند، در حالی که پژوهش های خارجی از داده های گسترده و الگوریتم های پیچیده استفاده کردند و دقت بالاتری در پیش بینی و پایش مزرعه نشان دادند. نتیجه گیری: هوش مصنوعی و کلان داده ها ظرفیت بالایی برای افزایش بهره وری، کاهش هزینه ها و مدیریت پایدار مزارع مدرن دارند. با وجود این، محدودیت هایی از جمله هزینه تجهیزات، نیاز به تخصص فنی و زیرساخت های فناوری وجود دارد. این پژوهش خلاها و فرصت های پژوهشی را شناسایی کرده و می تواند راهنمایی برای تحقیقات آینده و طراحی سیستم های هوشمند یکپارچه در کشاورزی باشد.

کلیدواژه ها:

هوش مصنوعی ، کلان داده ها ، مدیریت مزارع مدرن ، کشاورزی دقیق ، بهینه سازی منابع