تطبيق نماذج الذكاء الاصطناعي الثنائية لدعم قرارات ري النباتات

يعتبر الماء عنصرًا مهمًا في نمو النبات. يمكن أن يساعد توفر المياه المناسبة النباتات على النمو بشكل جيد، في حين أن نقص المياه يمكن أن يعطل النمو. ومن ناحية أخرى، فإن إعطاء كمية كبيرة من المياه يمكن أن يؤدي أيضًا إلى استخدام غير فعال للموارد.

تشجع هذه الظروف على ظهور الحاجة إلى نظام زراعي قادر على تحديد الاحتياجات المائية بناء على البيانات. ويمكن استخدام الذكاء الاصطناعي للمساعدة في هذه العملية. أحد الأساليب التي يمكن اختبارها هو نموذج التصنيف الثنائي.

يمكن أن ينتج النموذج الثنائي قرارات في فئتين، على سبيل المثال "يحتاج إلى الري" و"لا يحتاج إلى الري". وبهذه الطريقة، يمكن تحويل المعلومات الواردة من أجهزة الاستشعار إلى توصيات أبسط للمزارعين.

البيانات كأساس للقرارات

لإنشاء نظام سقي قائم على الذكاء الاصطناعي، هناك حاجة إلى بيانات تصف ظروف الأرض. إحدى البيانات الرئيسية هي رطوبة التربة.

ومع ذلك، فإن رطوبة التربة ليست العامل الوحيد الذي يمكن استخدامه. يمكن أن تكون درجة الحرارة، ورطوبة الهواء، وهطول الأمطار، وشدة الضوء، ونوع النبات، ونوع التربة، وعمر النبات من العوامل الداعمة.

يتم جمع هذه البيانات بشكل دوري. ثم يتم ربط كل حالة بقرار الري. ويمكن تسمية البيانات بـ 0 و1 حسب القرارات التي تم تحديدها.

على سبيل المثال، تعني العلامة 0 أن الأرض لا تحتاج إلى الري، بينما تعني العلامة 1 أن الأرض تحتاج إلى الري.

تطوير مجموعة البيانات

تُعد مجموعات البيانات عنصرًا مهمًا في تنفيذ الذكاء الاصطناعي. يجب أن تصف البيانات المستخدمة حالات متنوعة بدرجة كافية بحيث لا يتعرف النموذج على حالة واحدة معينة فقط.

على سبيل المثال، يتم جمع البيانات في الصباح وبعد الظهر والمساء. ويمكن أيضًا جمع البيانات عندما يكون الطقس مشمسًا أو بعد هطول الأمطار.

كلما زادت تنوع الشروط الواردة في مجموعة البيانات، زادت الأنماط التي يمكن للنموذج تعلمها. ومع ذلك، يجب أن تظل البيانات ذات صلة وأن تحمل التصنيفات الصحيحة.

قد تؤدي أخطاء التصنيف إلى معرفة النموذج للعلاقات التي لا تتطابق مع الظروف الفعلية.

اختبار النظام

يمكن إجراء التجارب على نطاق محدود. يتم وضع عدة نقاط استشعار على الأرض لقياس حالة التربة.

يقوم المستشعر بعد ذلك بإرسال البيانات إلى نظام المعالجة. تتم معالجة البيانات وتقديمها إلى نموذج الذكاء الاصطناعي. يُنتج النموذج تنبؤات على شكل 0 أو 1.

إذا كانت النتيجة 0، فيمكن للنظام توفير الحالة "لا يتطلب الري". إذا كانت النتيجة 1، فسيعطي النظام الحالة "يتطلب الري".

في المراحل المبكرة، يجب استخدام هذه النتائج كتوصيات فقط. يمكن للمزارعين التحقق من حالة التربة مباشرة قبل اتخاذ أي إجراء.

التكامل مع إنترنت الأشياء

يمكن تطوير نماذج الذكاء الاصطناعي الثنائية جنبًا إلى جنب مع إنترنت الأشياء. يمكن لأجهزة الاستشعار الموجودة على الأرض إرسال البيانات تلقائيًا إلى الخادم.

يقوم الخادم بعد ذلك بتشغيل عملية التنبؤ. ويمكن عرض النتائج على لوحة التحكم أو إرسالها عبر الإشعار.

يسمح المزيد من التطوير بتوصيل النظام بجهاز سقي أوتوماتيكي. ومع ذلك، يجب أن يتم الأتمتة بعناية.يجب أن يكون للنظام حدود حتى لا تتسبب أخطاء الحساس في استمرار الري.

قد يكون استخدام عناصر التحكم اليدوية كنسخة احتياطية أيضًا جزءًا من تصميم النظام.

كفاءة استخدام المياه

تتمثل إحدى الفوائد المحتملة للنظام في أنه يساعد على استخدام المياه بطريقة أكثر استهدافًا. ويمكن أن يعتمد الري على الحالة الفعلية للأرض بدلاً من مجرد اتباع جدول زمني محدد.

يمكن أيضًا استخدام البيانات التاريخية لمعرفة أنماط الطلب على المياه. يمكن للمزارعين معرفة متى من المحتمل أن تحتاج ظروف التربة إلى الماء وكيف تؤثر تغيرات الطقس على الرطوبة.

يمكن استخدام هذه المعلومات كمواد تقييم لإدارة الأراضي في الفترة القادمة.

تقييم نتائج التنبؤ

يجب اختبار النموذج باستخدام البيانات التي لم يتم استخدامها في عملية التدريب. ويهدف ذلك إلى تحديد إمكانيات النموذج عند التعامل مع البيانات الجديدة.

يمكن استخدام العديد من المقاييس مثل الدقة والإحكام والاستدعاء ودرجة F1 لتقييم النموذج.

بالإضافة إلى التقييم الفني، هناك حاجة أيضًا إلى التقييم الميداني. يجب مقارنة نتائج التنبؤ مع ظروف التربة الفعلية. إذا كانت هناك اختلافات، فيجب تحليل الأسباب.

يمكن أن يكون سبب هذه الاختلافات أجهزة الاستشعار، أو جودة البيانات، أو تغيرات الطقس، أو قيود النموذج.

الاستنتاج

يعد تطبيق نماذج الذكاء الاصطناعي الثنائية لدعم قرارات الري أحد الأمثلة على استخدام الذكاء الاصطناعي الذي يسهل فهمه نسبيًا. يمكن للنظام تحويل العوامل البيئية المختلفة إلى قرارات بسيطة فيما يتعلق باحتياجات الري.

يمكن لتكامل الذكاء الاصطناعي مع أجهزة الاستشعار وإنترنت الأشياء أن يجعل عملية المراقبة أكثر تنظيمًا. ومع ذلك، يجب أن يبدأ التنفيذ على نطاق صغير وإجراء تقييمات منتظمة.

مع البيانات الكاملة بشكل متزايد، يمكن تطوير النماذج لتناسب ظروف الأرض وأنواع النباتات المستخدمة بشكل أفضل.