logo jihad
logo jihad
پنج شنبه 06  اردیبهشت 1403
dividerآرشیو اخبارdividerعضو هیات علمی پژوهشگاه بیوتکنولوژی کشاورزی تشریح کرد: کارایی هوش مصنوعی در کاهش مصرف سموم در برنامه های کنترل آفات و بیماری
عضو هیات علمی پژوهشگاه بیوتکنولوژی کشاورزی تشریح کرد:
کارایی هوش مصنوعی در کاهش مصرف سموم در برنامه های کنترل آفات و بیماری
عضو هیات علمی پژوهشگاه بیوتکنولوژی کشاورزی تشریح کرد: کارایی هوش مصنوعی در کاهش مصرف سموم در برنامه های کنترل آفات و بیماری
عضو هیات علمی پژوهشگاه بیوتکنولوژی کشاورزی با اشاره به کارایی سیستم های هوش مصنوعی در کاهش مصرف سموم در برنامه های کنترل آفات و بیماری های گیاهی بر ضرورت توجه به کاربردهای متنوع این فناوری در بخش کشاورزی کشور تاکید کرد. به گزارش روابط عمومی پژوهشگاه بیوتکنولوژی کشاورزی، مهندس ابراهیم کریمی، عضو هیات علمی بخش بیوتکنولوژی میکروبی پژوهشگاه که روز دوشنبه 16 آبان ماه در ادامه سلسله سخنرانی های علمی پژوهشگاه با عنوان «هوش مصنوعی در برنامه ­های کنترل آفات و بیماری جهت کاهش مصرف سموم» سخن می گفت با اشاره به تاریخچه شکل گیری و گسترش رایانه ها تا هوش مصنوعی اظهار داشت: با توجه به رشد جمعیت جهان و اهمیت راهبردی امنیت غذایی، یکی از مولفه­ های مهم در تامین این موضوع، مدیریت آفات (بیمارگرها، حشرات و علف­های هرز) در راستای حفظ سطح تولید محصولات است که هوش مصنوعی می ­تواند در این حوزه به کمک مدیریت مصرف سموم و افزایش شاخص سلامت انسان و محیط زیست بیاید. وی در تشریح چگونگی استفاده از هوش مصنوعی در کشاورزی گفت: در مبحث یادگیری ماشین، الگوریتم­هایی وجود دارند که با برنامه ­های ویژه مانند پایتون نوشته می­شوند و به گونه­ ای هستند که با آنالیز میلیون­ها تصویر و وزن­دهی به اجزای آن می­ توانند تصاویر متنوع از همان سوژه ( مثلا سیب سالم یا گاز زده با هر الگویی) را در آینده مورد شناسایی قرار دهند. این برنامه ­ها ماهیت خودارتقادهندگی دارند به طوری که پس از هر شناسایی، نسبت به سطح قبلی از شناسایی سوژه، تکامل پیدا می کنند. ریشه این داستان در چرخه­ای بودن یادگیری ماشین است که بر خلاف الگوریتم­های نسل اول که به صورت خطی رفتار میکنند، در یادگیری ماشین این حالت به صورت چرخه­ای و تکاملی درآمده و تصاویری که در آینده از سوی هوش مصنوعی شناسایی می­ شود، سطح جدیدی از آگاهی را به آن ارزانی می­ کند. کریمی در توضیح کاربرد عملیاتی این سیستم ها در کشاورزی به دو نمونه بیماری و علف­ هرز اشاره کرد و گفت: هر یک از بیمارگرها، نشانه­ هایی تصویری از فیزیک خود یا علایم مرتبط با ماهیت بیمارگری­شان را بر روی گیاه میزبان به جای می­ گذارند که با نصب هوش مصنوعی و دوربین با کیفیت بالا در یک بوم سمپاشی، همه این نشانه­ ها در کسری از ثانیه قابل شناسایی بوده و بسته به آستانه مبارزه­ای که که در پیش فرض سیستم وجود دارد به سمپاشی در سطح مزرعه اقدام می شود. در مورد علف­ه ای هرز نیز مراحل رشدی (فنولوژی) آنها همانند نشانه­ های بیمارگر عمل کرده و لذا هنگام سمپاشی از محصول زراعی قابل تفکیک خواهند بود و نتیجتا از مصرف سموم در تمام سطح مزرعه خودداری می­شود. وی در پایان به چند پلت­فرم خارجی که بر پایه هوش مصنوعی با دریافت تصاویر بیمارگر، حشرات و علف­های هرز از کشاورزان در حال تکمیل ذخیره اطلاعاتی خود هستند اشاره و خاطرنشان کرد: بر اساس فلسفه یادگیری ماشین، توان تشخیصی این قبیل سیستم های هوش­ مصنوعی همانند یادگیری نوزاد انسان است و روند تکاملی دارد که می­توان جنبه­ های ایجابی و سلبی برای آن متصور شد اما با توجه به اینکه بهره ­برداری­های سودمندانه آن فراوان است، دولت­ها و شرکت­های خصوصی به طور جدی در این حوزه مشغول به فعالیت هستند که جا دارد در کشور ما هم از پتانسیل­های قابل توجه این سیستم در بخش های مختلف کشاورزی استفاده شود
1401-08-23
منبع : روابط عمومی پژوهشگاه بیوتکنولوژی کشاورزی

  • آخرین اخبار
  • آخرین مقالات
faq
©  تمامی حقوق برای پژوهشگاه بیوتکنولوژی کشاورزی محفوظ است. طراحی شده توسط طراحی سایت داتک
بازدید کل : 522,864 | بازدید امروز : 14