یادگیری عمیق و ژرف برای کشاورزی دقیق

یادگیری عمیق و ژرف برای کشاورزی دقیق

در این عصر دیجیتال جدید، توسعه ی هوش مصنوعی، به ویژه یادگیری عمیق، امکان تسریع و پیشرفت در پردازش داده های جمع آوری شده را فراهم کرده است. به منظور نمایان سازی تکامل و پیشرفت های مشاهده شده در یادگیری عمیق در کشاورزی، ما یک مطالعه ی کتاب سنجی را روی بالغ بر 400 مطالعه ی پژوهشی که اخیرا منتشر شده انجام دادیم.

آنالیزها روی آثار پژوهشی اخیر انجام شدند که حاکی از این هستند که یادگیری عمیق به شکل گسترده ای در دیجیتال سازی حوزه های کشاورزی با دقت بالا بیشتر از تکنیک های پردازش تصویر استاندارد دخیل می باشد. از نقطه نظر مطالعه ی موردی، ما سه چالش کلیدی را شناسایی کرده ایم که در روش های یادگیری عمیق اعمال شده در کشاورزی ضروری می باشند: 1: نیاز به مدنظر قرار دادن درک حامیان و دست اندرکاران این حوزه، سهم و تملک یا تعامل آن ها با ابزارهای موجود 2: الزام به انجام تست های آماری برای تحلیل عملکرد طبقه بندی کننده های حاصل از فرآیند یادگیری3 : نیاز به انجام اعتبارسنجی های متقابل آماری با داده های آموزشی.

در پایان، ما فرآیند پردازش داده های کشاورزی را خلاصه کردیم درحالیکه متشکل از هفت بخش، برای یک بررسی بهتر از انتظارات و توقعات حاصل از چالش هایی می باشد که به آن ها پرداخته شده است. ما فرض می کنیم که این مطالعه را می توان به عنوان یک دستورالعمل پژوهشی برای دانشمندان و دست اندرکار در کاربرد متدولوژی یادگیری عمیق در کشاورزی به کار برد.