| تعداد نشریات | 282 |
| تعداد نشریات سازمان | 80 |
| تعداد شماره‌ها | 3,262 |
| تعداد مقالات | 36,058 |
| تعداد مشاهده مقاله | 55,179,893 |
| تعداد دریافت فایل اصل مقاله | 94,180,502 |
ارائه یک سیستم خبره برای تعیین آفات و بیماری‌های درختان میوه دانه‌دار | ||
| پژوهش مدیریت آموزش کشاورزی | ||
| مقاله 1، دوره 17، شماره 72، خرداد 1404، صفحه 3-13 اصل مقاله (1.23 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/jaear.2025.368922.2058 | ||
| نویسندگان | ||
| ابوالفضل کاظمی1؛ مرضیه کریمی* 2؛ امیر فاتحی کیوی3 | ||
| 1گروه مهندسی صنایع، دانشکده مهندسی صنایع و مکانیک، دانشگاه آزاد اسلامی واحد قزوین، قزوین، ایران | ||
| 2گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه اردکان، اردکان | ||
| 3گروه صنایع، دانشکده واحد خلخال، دانشگاه آزاد اسلامی خلخال، ایران | ||
| چکیده | ||
| سیستم های خبره با هدف در دسترس قرار دادن مهارت های افراد متخصص، برای افراد غیر متخصص طراحی شده اند. این برنامه ها الگوی تفکر و شیوه ی عملکرد انسان را شبیه سازی می کنند و باعث نزدیکی عملکرد سیستم های خبره با عملکرد انسان یا فرد خبره می شوند. در سال‌های اخیر، خیل کثیری از سیستم‌های خبره کامپیوتری برای بخش‌های متنوعی از کشاورزی در جهان توسعه یافته‌اند. در دست بودن کامپیوترهای کم هزینه، دانش کشاورزی و حوزه‌ی فن‌آوری اطلاعات دلایل اصلی برای توسعه بسیاری از سیستم‌های خبره کشاورزی هستند. در این مقاله یک سیستم خبره با هدف بهبود تصمیم‌گیری باغداران طراحی شده است. دانش مورد نظر از ادبیات و کارشناسان به دست آمده است، سپس این دانش در پایگاه دانش سیستم خبره با یک سری از قواعد اگر- آنگاه نشان داده شده است و سیستم خبره طراحی شده با کارشناسان مورد ارزیابی قرار گرفته است. سیستم خبره طراحی‌شده ابزاری کارآمد در آموزش کشاورزان و دانشجویان کشاورزی است که با ارائه اطلاعات دقیق و به‌روز درباره آفات درختان میوه دانه‌دار، امکان یادگیری عملی و مؤثر روش‌های شناسایی و کنترل آفات را فراهم می‌سازد. این سیستم با ارتقای سطح دانش و مهارت‌های حرفه‌ای کاربران، نقش مهمی در توانمندسازی آن‌ها ایفا می‌کند. همچنین می‌تواند در کنار آموزش رسمی، به عنوان یک منبع یادگیری خودراهبر به بهبود فرآیندهای آموزشی در حوزه کشاورزی کمک کند. | ||
| کلیدواژه‌ها | ||
| سیستم خبره؛ قواعد منطقی؛ موتور استنتاج؛ آفات؛ بیماری های درختان میوه دانه‌دار | ||
| عنوان مقاله [English] | ||
| Presenting an expert system for pests and diseases of pome fruits | ||
| نویسندگان [English] | ||
| abolfazl kazemi1؛ Marzieh Karimi2؛ amir fatehi gibi3 | ||
| 1Department of Industrial Engineering, Faculty of Industrial and Mechanical Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran | ||
| 2Department of Industrial Engineering, Faculty of Engineering, Ardakan University, Ardakan, Iran | ||
| 3Department of Industries, Faculty of Engineering, Khalkhal Branch, Islamic Azad University, Khalkhal, Iran | ||
| چکیده [English] | ||
| Expert systems are designed to make expert-level knowledge accessible to non-experts by simulating human thinking and decision-making processes. These systems aim to replicate the reasoning patterns of specialists and bring computer-based performance closer to that of human experts. In recent years, a wide range of expert systems have been developed worldwide for various agricultural applications. The availability of low-cost computers, agricultural knowledge, and information technology has driven this trend. This paper presents the design of an expert system intended to support decision-making among orchardists. The knowledge base was developed using information gathered from literature and domain experts, and was encoded into a set of IF-THEN rules. The system was then evaluated in collaboration with agricultural specialists. Additionally, the designed expert system serves as an effective educational tool for farmers and agricultural students by providing accurate and up-to-date information on pests affecting pome fruit trees. It enables users to learn practical methods of pest identification and control, enhances their knowledge and professional skills, and supports both formal education and self-directed learning in agricultural training contexts. | ||
| کلیدواژه‌ها [English] | ||
| Expert system, Rules of logic, Inference engine, Pests, Pome fruits | ||
| مراجع | ||
|
سیاهوشی، شقایق، (1394)،کاربرد سیستم خبره در صنعت کشاورزی، سومین کنفرانس بین المللی پژوهشهای کاربردی در علوم کشاورزی، تهران.
صادقی هونجانی، سعیده، (1403)، نقش آموزش و ترویج در زمینه کشاورزی هوشمند، نهمین همایش بین المللی علوم محیط زیست، کشاورزی، منابع طبیعی و صنایع غذایی، همدان.
سمیعی زفرقندی، سبحان و سید علی روته، سید محمد امین، (1403)، مروری بر تشخیص آفت در کشاورزی هوشمند با استفاده از هوش مصنوعی، بیست و پنجمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات، بابل.
طلوعی اشلقی، عباس و محسن طاهری، سوده. (1389)، طراحى یک سیستم خبره براى تشخیص و پیشنهاد در مورد شیوه درمان سرطان خون، مدیریت سلامت، 13 (40).
Al-Shawwa, M., & Abu-Naser, S. S. (2019). Knowledge based system for apple problems using CLIPS. International Journal of Academic Engineering Research (IJAER), 3(3), 1-11. Buchanan, B. G., & Shortliffe, E. H. (1984). Rule based expert systems: the mycin experiments of the stanford heuristic programming project (the Addison-Wesley series in artificial intelligence). Addison-Wesley Longman Publishing Co., Inc. Chen, L. J., Bo, M., kun, L.S., ru, W.K., zhi, X.R. And ju, G. S. (2010). An Image-Based Diagnostic Expert System for Corn Diseases. Agricultural Sciences in China:1221-1229. Diaz, L.G., Jimenez, P.M., Bastida, F. And Andujar, J. L. G. (2009). Expert system for integrated plant protection in pepper (Capsicum annuun L.). Expert Systems with Applications 36: 8975–8979. Dubey, S., Pandey, R. K., & Gautam, S. S. (2013). Literature review on fuzzy expert system in agriculture. International Journal of Soft Computing and Engineering, 2(6), 289-291. Durkin, J., & Durkin, J. (1998). Expert systems: design and development. Prentice Hall PTR. Furqon, M. A., Poertantono, L. D., & El Maidah, N. (2025). Banana Pest And Disease Expert System Using Forward Chaining and Certainty Factor. Journal of Research in Artificial Intelligence for Systems and Applications, 1(1), 1-10. Ganesan, N., & Tauro, C. J. (2015). A study of applications of fuzzy logic in various domains of agricultural sciences. International Journal of Computer Applications, 975, 8887. Gupta, S., & Tripathi, A. K. (2024). Fruit and vegetable disease detection and classification: Recent trends, challenges, and future opportunities. Engineering Applications of Artificial Intelligence, 133, 108260. Joy, D., & Sreekumar, K. (2014). A survey on expert system in agriculture. International journal of computer science and information technologies, 5, 7861-7864. Kamali, F. P., Borges, J. A., Meuwissen, M. P., de Boer, I. J., & Oude Lansink, A. G. (2017). Sustainability assessment of agricultural systems: The validity of expert opinion and robustness of a multi-criteria analysis. Agricultural systems, 157, 118-128. Kemp, R. H., Stewart, T. M., & Boorman, A. (1989). An expert system for diagnosis of pests, diseases, and disorders in apple crops. New Zealand Journal of Crop and Horticultural Science, 17(1), 89-96. Mahaman, B. D., Passam, H. C., Sideridis, A. B. And Yialouris, C. P. (2003). DIARES-IPM: a diagnostic advisory rule-based expert system for integrated pest management in Solanaceous crop systems, Agricultural Systems 76: 1119–1135. Niaz, A. A., Ashraf, R., Mahmood, T., Faisal, C. N., & Abid, M. M. (2025). An efficient smart phone application for wheat crop diseases detection using advanced machine learning. PloS one, 20(1), e0312768. Nwagu, C. K., Omankwu, O. C., & Inyiama, H. (2018). A review of expert systems in agriculture. International Journal of Computer Science and Information Security (IJCSIS), 16(4), 126-9. Pauzi, N. A. M., Mustaza, S. M., Zainal, N., Zaman, M. H. M., & Moubark, A. M. (2025). Artificial Intelligence in precision agriculture: A review. Jurnal Kejuruteraan, 37(2), 1025-1047. Potter, W. D., Deng, X., Li, J., Xu, M., Wei, Y., Lappas, I., Twery, M. J. And Bennett, D.J. (2000). A web-based expert system for gypsy moth risk assessment. Computers and Electronics in Agriculture 27: 95–105. Prasad, R., Ranjan, K. R. And Sinha, A. K. (2006). AMRAPALIKA: An expert system for the diagnosis of pests, diseases, and disorders in Indian mango. Knowledge-Based Systems 19: 9–21. Rodríguez-García, M. Á., García-Sánchez, F., & Valencia-García, R. (2021). Knowledge-based system for crop pests and diseases recognition. Electronics, 10(8), 905. Shahbaz, F., Razzaq, S., Irfan, K., Maqbool, F., Farid, A., Illahi, I. And amin, T. (2008). A Web-based Expert System for Diagnosis of Diseases and Pests in Pakistani Wheat. Proceedings of the World Congress on Engineering. Vol I: 555-557. LI, Y. S., & HONG, L. F. (2011). Development of a non-pollution orange fruit expert system software based on ASP. NET. Agricultural Sciences in China, 10(5), 805-812. Sottocornola, G., Baric, S., Nocker, M., Stella, F., & Zanker, M. (2022). Picture-based and conversational decision support to diagnose post-harvest apple diseases. Expert Systems with Applications, 189, 116052. Sottocornola, G., Baric, S., Nocker, M., Stella, F., & Zanker, M. (2023). DSSApple: A hybrid expert system for the diagnosis of post-harvest diseases of apple. Smart Agricultural Technology, 3, 100070. Sottocornola, G., Baric, S., Stella, F., & Zanker, M. (2023). Development of a knowledge-based expert system for diagnosing post-harvest diseases of apple. Agriculture, 13(1), 177. Yelapure, S. J., & Kulkarni, R. V. (2012). Literature review on expert system in agriculture. International Journal of Computer Science and Information Technologies, 3(5), 5086-5089. | ||
|
آمار تعداد مشاهده مقاله: 365 تعداد دریافت فایل اصل مقاله: 252 |
||