
تعداد نشریات | 26 |
تعداد شمارهها | 447 |
تعداد مقالات | 4,557 |
تعداد مشاهده مقاله | 5,379,989 |
تعداد دریافت فایل اصل مقاله | 3,580,057 |
یک چارچوب پیاده سازی برای امنیت غذایی با استفاده از الگوریتمهای یادگیری ماشین و بیوتکنولوژی در کشاورزی دقیق و کشاورزی هوشمند | ||
مجله بیوتکنولوژی کشاورزی | ||
دوره 16، شماره 4، دی 1403، صفحه 223-236 اصل مقاله (448.1 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22103/jab.2025.23996.1604 | ||
نویسندگان | ||
نیضی میشرا* 1؛ پریتی شارما2 | ||
1گروه علوم کامپیوتر و فناوری اطلاعات، دانشگاه کالینگا، رایپور، هند | ||
2گروه علوم کامپیوتر و فناوری اطلاعات، دانشگاه کالینگا، رایپور، هند. | ||
چکیده | ||
هدف: تبدیل دادهها به شکل دیجیتال منجر به هجوم گسترده دادهها در تقریباً هر صنعتی شده است که بر عملیات مبتنی بر دادهها متکی است. پردازش دادههای دیجیتال به میزان قابل توجهی حجم اطلاعات در حال پردازش را افزایش داده است. ظهور مدیریت کشاورزی الکترونیک عمیقاً بر فناوری اطلاعات و ارتباطات (ICT) تأثیر گذاشته است و در نتیجه مزایایی برای کشاورزان و مشتریان به همراه دارد و منجر به اتخاذ راهحلهای فناوری در مناطق روستایی میشود. این مطالعه بر نوید فناوری های ICT در کشاورزی متعارف و موانع به کارگیری آنها در عملیات کشاورزی تأکید می کند. نتایج: این مطالعه بر نوید فناوریهای ICT در کشاورزی متعارف و موانع به کارگیری آنها در عملیات کشاورزی تأکید میکند. این تحقیق اطلاعات کاملی در مورد اتوماسیون، گجتهای اینترنت اشیا (IoT) و چالشهای مرتبط با یادگیری ماشین (ML) ارائه میکند. پهپادها برای نظارت بر محصول و بهینه سازی تولید در کشاورزی دقیق (PA) و کشاورزی هوشمند (SF) در نظر گرفته شده اند. دوره جدید کشاورزی متعارف با کشاورزی دقیق نشان داده میشود. توسعه چندین فناوری معاصر، مانند اینترنت اشیا، این امکان را فراهم کرده است. در صورت لزوم، این مقاله بر سیستمها و پلتفرمهای کشاورزی جهانی و پیشرفته که از فناوری اینترنت اشیا استفاده میکنند، تأکید میکند. نتیجهگیری: اثربخشی چنین تکنیکهایی در تشخیص بیماری های گیاهی با توانایی آنها در دستیابی به سطوح استثنایی از دقت ثابت میشود. این امر به ویژه زمانی صادق است که آنها بر پایگاه دادههای متن باز گسترده و الگوریتمهای از پیش آموزش داده شده تکیه کنند. تحقیقات آینده نشان داد که اندازه تصاویر گیاهی مورد استفاده برای مدلسازی و شرایطی که عکسها تحت آن جمعآوری شدهاند میتواند به طور قابل توجهی بر دقت تأثیر بگذارد. | ||
کلیدواژهها | ||
امنیت غذایی؛ بیوتکنولوژی؛ کشاورزی دقیق؛ کشاورزی هوشمند؛ یادگیری ماشین | ||
مراجع | ||
Adomi AA, Abdoulaye T, Mohammed AB, et al. (2023) Impact of improved hermetic storage on food insecurity and poverty of smallholder cowpea farmers in Northwestern Nigeria. J Stored Prod Res 100, e102042.
Alonso EB, Cockx L, Swinnen J (2018) Culture and food security. Glob Food Secur 17, 113-127.
Angin P, Anisi MH, Göksel F, et al. (2020) Agrilora: a digital twin framework for smart agriculture. J Wirel Mob Netw Ubiquitous Comput Dependable Appl 11(4), 77-96.
Assaye A, Habte E, Sakurai S (2023) Adoption of improved rice technologies in major rice producing areas of Ethiopia: a multivariate probit approach. Agric Food Secur 12(1), e9.
Bjornlund V, Bjornlund H, Van Rooyen A (2022) Why food insecurity persists in sub-Saharan Africa: A review of existing evidence. Food Secur 14(4), 845-864.
Camgözlü Y, Kutlu Y (2023) Leaf Image Classification Based on Pre-trained Convolutional Neural Network Models. Nat Eng Sci 8(3), 214-232.
Cisternas I, Velásquez I, Caro A, Rodríguez A (2020) Systematic literature review of implementations of precision agriculture. Comput Electron Agric 176, e105626.
Duffy C, Toth GG, Hagan RP, et al. (2021) Agroforestry contributions to smallholder farmer food security in Indonesia. Agrofor Syst 95(6), 1109-1124.
Ghotbaldini H, Mohammadabadi M, Nezamabadi-pour H, Babenko OI et al. (2019) Predicting breeding value of body weight at 6-month age using Artificial Neural Networks in Kermani sheep breed. Acta Sci - Anim Sci 41, e45282.
Haghighi HFF, Far LM (2014) Combining Data Mining and Agricultural Sciences. Int Acad J Sci Eng 1(2) 1–8.
Li C, Chen Y, Shang Y (2022) A review of industrial big data for decision making in intelligent manufacturing. Eng Sci Technol Int J 29, e101021.
Martin-Shields CP, Stojetz W (2019) Food security and conflict: Empirical challenges and future opportunities for research and policy-making on food security and conflict. World Dev 119, 150-164.
Mohammadabadi M, Kheyrodin H, Afanasenko V, et al. (2024) The role of artificial intelligence in genomics. Agric Biotech J 16(2), 195-279.
Moysiadis V, Sarigiannidis P, Vitsas V, Khelifi A (2021) Smart farming in Europe. Comput Sci Rev 39, e100345.
Mustapha SB, Alkali A, Zongoma BA, Mohammed D (2017) Effects of Climatic Factors on Preference for Climate Change Adaptation Strategies among Food Crop Farmers in Borno State, Nigeria. Int Acad J Innov Res 4(1), 52-60.
Nabeesab Mamdapur GM, Hadimani MB, Sheik AK, Senel E (2019) The Journal of Horticultural Science and Biotechnology (2008-2017): A Scientometric Study. Indian J Inform Sourc Serv 9(1), 76-84.
Owoo NS (2021) Demographic considerations and food security in Nigeria. J Social Ec Dev 23(1), 128-167.
Plotnikov V, Nikitin Y, Maramygin M, Ilyasov R (2021) National food security under institutional challenges (Russian experience). Int J Sociol Soc Policy 41(1/2), 139-153.
Pour Hamidi S, Mohammadabadi MR, Asadi Foozi M, Nezamabadi-pour H (2017) Prediction of breeding values for the milk production trait in Iranian Holstein cows applying artificial neural networks. J Livest Sci Technol 5(2), 53-61.
Pržulj N, Tunguz V (2022) Significance of Harvest Residues in Sustainable Management of Arable Land I. Decomposition of Harvest Residues. Arch Tech Sci 1(26), 61-70.
Rukwe DT, Aboki E, Luka P, Nyam CM (2020) Economics of sesame production among small scale farmers in Southern Part of Taraba state, Nigeria. J Agric Econ Environ Soc Sci 6(1), 103-112.
Sambo U & Sule B (2024). Impact of climate change on food security in Northern Nigeria. Green Low-Carbon Econ 2(1), 49-61.
Sood S, Singh H (2021) Computer vision and machine learning based approaches for food security: A review. Multimed Tool Appl 80(18), 27973-27999.
Surendar A, Veerappan S, Sindhu S, Arvinth N (2024) A Bibliometric Study of Publication-Citations in a Range of Journal Articles. Indian J Inform Sourc Serv 14(2), 97-103.
Vargas CM, Liverpool-Tasie LSO, Reardon T (2024) Vulnerability of Nigerian maize traders to a confluence of climate, violence, disease and cost shocks. J Agribus Dev Emerg Econ 214, 1-19.
Veerasamy K, Fredrik ET (2023) Intelligent Farming based on Uncertainty Expert System with Butterfly Optimization Algorithm for Crop Recommendation. J Internet Serv Inform Secur 13(3), 158-169. | ||
آمار تعداد مشاهده مقاله: 187 تعداد دریافت فایل اصل مقاله: 111 |