آشنایی با ماشین لرنینگ ( Machine Learning ) و کاربرد آن در کشاورزی

همین موضوع باعث شده تا بسیاری از شرکت ها را به فکر استفاده از فناوری های ابری در ارائه دستاوردهای خود کند. 1. Classification : کلاس بندی کردن : برای توضیح این وظیفه بنده یک مثال ساده برای شما بیان میکنم تا موضوع روشن شود . Supervised learning : در این روش یک سری لیبل و ویژگی تعیین و تعریف میشود و ماشین براساس آنها یادمیگیرد . به عنوان مثال همانطور که در شکل زیر میبیند به ماشین ویژگی های ظاهری حیوانات مختلف داده شده است و ماشین بر اساس آن تصاویر را برای ما تفکیک کرده است . 3. مدل ماشین بردار پشتیبانی یا Support vector machines ( SVMs) :در این مدل داده ها به صورت خطی از یکدیگر تفکیک میشوند به عبارتی یعنی ماشین یاد میگیرد تا بهترین خط را برای جدا کردن داده ها پیدا کند . اگر بتوان تجربیات و اطلاعات یک فرد خبره در هر حوزه کاری را به ماشین از طریق الگوریتم های ریاضی انتقال داد و آن ماشین بتواند یاد بگیرد که کاری که آن شخص انجام میدهد را برای ما با دقت و تکرار بیشتر انجام بدهد . ایده ماشین لرنینگ در سال 1959 برای حل مسائل ساده ریاضی بوجود آمد که با توجه به آن آیا میتوان یک سری عملگر ساده مانند and یا or را به ماشین داد ؟

با پیشرفت تکنولوژی تمامی علوم تحت تاثیر یکدیگر قرار گرفته اند و باعث شده اند تمامی فرآیندها رو به هوشمند شدن پیش بروند .در این پست از مرجع مهندسی آب ایران قصد داریم مفهوم تازه ای را شرح دهیم که چند سالی است به شدت زندگی مارا تحت تاثیر خودش قرار داده است . فرض کنیم ما در یک کلاس حضور داریم و قصد داریم در این کلاس جنس مونث را از جنس مذکر جدا کرده و تعداد هر جنسیت را بدست اوریم به این پروسه کلاس بندی کردن گویند . در این پروژه که از داده های ماهوراه و سنجنده های دور استفاده شده است میزان تراکم گیاهی در سطح یک مزرعه محاسبه شده است و نقاطی که قرمز میباشند حاکی از وجود مشکل و کم بودن تراکم گیاه نسبت به سایر زمین است که باید این تقاط بررسی شوند و مشکل رفع شود . این فناوری به دستگاه های هوشمند این امکان را می دهد تا سریع تر به داده ها دسترسی پیدا کنند و زمان پردازش آن ها را کوتاه می کند. پژوهشگران آمریکایی تراشهای کوچک ساختهاند که با نصب شدن در پشت زنبورها، این حشرات را به پهپادهایی زنده تبدیل میکند. جهت کسب اطلاعات بیشتر میتوانید به وبسایت مرجع یادگیری عمیق مراجعه فرمایید .

با توجه به توضحیات بالا میتوان برداشت کرد که هدف اصلی این علم خارج کردن نیروی انسانی از فرآیندها و وارد کردن ماشینهایی است که قابلیت یادگیری را دارند میباشد . از کاربردهای این فناوری که آن را اینترنت اشیا زنده مینامند، میتوان به سنجش سلامت گیاهان در کشاورزی هوشمند اشاره مجله خبری fudzilla کرد. شبکه عصبی مصنوعی تشکیل شده است از صدها یا میلیونها سلول مغز مصنوعی که بین آنها ارتباط برقرار شده است که همانند مغز انسان عمل یادگیری را انجام میدهد . 2. یادگیری عمیق ( Deep Learning ) : یادگیری عمیق در حقیقت توسعه یافته شبکه های مصنوعی میباشد . عکس سمت چپ مربوط به تحقیقی است در خصوص میزان جذب آهن توسط گیاه که همانطور که مشاهده میشود از عکس شماره 1 تا عکس شماره 5 گیاهان در حالت های مختلف جذب قرار داشته اند و با توجه به داده های بدست آمده کشاورز میتواند امورز لازم را جهت رفع مشکلات گیاه انجام دهد .

که در بین این سه بخش مبحث مدیریت محصول بیشتر فعالیت ماشین لرنینگ را به خود اختصاص داده است . در عکس سمت چپ رباتیست که برای وجین ساخته شده است ، سازندگان این ماشین ادعا کرده اند که این ماشین تا 75 درصد اثرات آفت کش ها را کاهش داده است . روشهای یادگیری ماشین چیست ؟ تفاوت ماشین لرنینگ با برنامه ریزی سنتی چیست ؟ حال مزایای ماشین لرنینگ چیست ؟ از سال 2003 به بعد ماشین لرنینگ و مبحث پردازش تصویر به یکدیگر نزدیک شدن و بسیاری از مشکلات موجود در این بحث حل شد. تا سال 1990 به دلیل کمبود سیستم های پیشرفته کامپیوتری زیاد پیشرفت چشم گیری نداشت. 1. شبکه های عصبی مصنوعی ( ANNs ) : این مدل براساس طرز کار مغز انسان پایه ریزی شده است . چندین سال می شود که شاهد فناوری هوش مصنوعی در صنعت و ابزار های مختلف هستیم. امنیت سایبری نیز باید پا به پای فناوری های مختلفی که همه شان با داده های کاربران سرو کار دارند رشد مجله خبری fudzilla کند. امنیت سایبری یکی از فناوری ها 2020 است که به تامین امنیت کسب و کار ها و صنایع می پردازد و از این رو به عنوان یکی از فناوری های درآمد زایی به شمار می آید.