نمونه برداری و تجزیه تحلیل خاک برای کاشت مناسب ترین بذر از طریق شبکه عصبی هوش مصنوعی به وسیله پهباد

بخش مهمی از اقتصاد کشورها را صنعت کشاورزی تشکیل میدهد.سهم قابل توجهی از تولید ناخالص هر کشوری را کشاورزی به خود اختصاص داده است. با بهبود بخش کشاورزی، تولید ناخالص ملی نیز می تواند بهبود می یابد. فناوری داده کاوی به بخش های مختلف کشاورزی کمک می کند تا با استفاده از فناوری داده کاوی و پیش بینی بهترین کاشت و برداشت را کشاورزان داشته باشند. امروزه تحقیقات زیادی در رابطه با تکنیک های پیش بینی بارش، پیش بینی آب و هوا، پیش بینی قیمت بازار و غیره انجام داده اند که برای حمایت از صنعت کشاورزی با استفاده از داده کاوی انجام می شوند. با توجه به وسعت زمین های زراعی ، نمونه برداری و امکان سنجی مشخصات خاک برای رشد بهترین دانه زراعی مناسب با خاک بسیار وقت گیر و مشکل است. کاشت بهترین و مناسب ترین دانه در خاک می تواند منجر به تولید محصول مرغوب و کاهش هزینه های نگهداری شود. در این راستا تجزیه و تحلیل پارامترهای خاک سهم مهمی در حمایت از کشاورزان دارد و در این مقاله، الگوریتم های پیشنهادی مختلف برای تجزیه و تحلیل خاک با استفاده از تکنیک های داده کاوی موردبررسی قرار می گیرند. پیش بینی یک محصول خوب در پیش نیاز به یک مطالعه سامانمند از داده های بزرگ از متغیرهای مختلف مانند کیفیت خاک، K P N ، EC pH را لازم دارد. مدل پروژه با استفاده از الگوریتم شبکه عصبی keras numPy و pandas ایجاد میشود. این مدل برای آموزش و آزمایش دادهها استفاده می شود. هدف این مقاله ارائه راهکاری جهت نمونه برداری از خاک در ابعاد زمینهای چند هکتاری و اراضی که عملا آزمایش خاک آنها توسط نیروی انسانی یا بسیار وقت گیر است یا دسترسی سختی دارد از این رو پیشنهاد ما برای نمونه برداری منظم ، دقیق و هوشمند خاک به وسیله پهباد میباشد. هدف این مقاله معرفی الگوریتم شناسایی خاک و تطبیق برای کاشت مناسب ترین بذر همچنین معرفی پروسه برداشت سطحی نمونه خاک به وسیله پهباد از طریق جستجوی زمین ها به صورت تمام اتوماتیک می باشد.

کلیدواژه ها:

پهباد ، شبکه عصبی ، کشاورزی ، یادگیری عمیق ، هوش مصنوعی