کاربرد هوش مصنوعی و سیستم های چند عاملی (Multi-Agent Systems) در نقشه برداری هوایی

ترکیب هوش مصنوعی و سیستم های چند عاملی در نقشه برداری هوایی با استفاده از پهپادها پاسخی موثر به چالش های پردازش داده های عظیم، مقیاس پذیری و تطبیق پذیری عملیاتی ارائه می دهد. در این پژوهش چارچوبی مبتنی بر یادگیری عمیق (CNN/DNN) و یادگیری تقویتی چند عاملی برای برنامه ریزی، مسیر، تقسیم کار پویا و پردازش توزیع شده تصاویر چند حس گره (RGB، چندطیفی، LiDAR) ارائه شده است. نتایج نشان می دهد که این رویکرد موجب افزایش دقت استخراج عوارض، کاهش زمان و هزینه ماموریت، بهبود کیفیت محصولات مکانی، کاهش RMSE و ارتقای امنیت و تاب آوری سامانه در برابر ناهنجاری ها و تغییرات محیطی می شود. همچنین بهره گیری از مدیریت طیف مبتنی بر یادگیری چند عاملی در شبکه های هوازمینی کیفیت لینک داده را بهبود داده و نرخ از دست رفت بسته ها را کاهش می دهد. این یافته ها ظرفیت هوشمندی توزیع شده را برای نقشه برداری دقیق، سریع و ایمن در سناریوهای شهری، کشاورزی و پایش محیط زیست برجسته می سازد.

کلیدواژه ها:

هوش مصنوعی ، سیستم های چند عاملی ، یادگیری عمیق ، یادگیری تقویتی ، پهپاد ، مقیاس پذیری ، پردازش توزیع شده ، نقشه برداری هوایی