| تعداد نشریات | 282 |
| تعداد نشریات سازمان | 80 |
| تعداد شمارهها | 3,219 |
| تعداد مقالات | 35,690 |
| تعداد مشاهده مقاله | 53,567,557 |
| تعداد دریافت فایل اصل مقاله | 92,846,098 |
همافزایی هوش مصنوعی و سنجشازدور | ||
| علوم و فناوری اطلاعات و هوشمندسازی کشاورزی | ||
| مقاله 6، دوره 9، شماره 1 - شماره پیاپی 17، اردیبهشت 1405، صفحه 73-61 اصل مقاله (490.38 K) | ||
| نوع مقاله: مقاله ترویجی | ||
| شناسه دیجیتال (DOI): 10.22092/jais.2025.370872.1152 | ||
| نویسندگان | ||
| یوسف تقی ملایی* 1؛ سیدکاظم بردبار2؛ محمدرضا نگهدار صابر3 | ||
| 1کارشناس تحقیقات ، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان فارس | ||
| 2دانشیار ، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان فارس | ||
| 3استادیار ، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان فارس | ||
| چکیده | ||
| هوش مصنوعی یک فناوری نوظهور در حوزه کشاورزی است. ابزارها و تجهیزات مبتنی بر هوش مصنوعی در واقع بخش کشاورزی را به سطح متفاوتی رساندهاند. این فناوری جدید، تولید محصولات کشاورزی را بهبود بخشیده و نظارت، پردازش و جمعآوری لحظهای را افزایش داده است. جدیدترین ساختارهای کامپیوتری با استفاده از سنجش از دور و پهپادها، سهم قابل توجهی در حوزه کشاورزی داشتهاند. علاوه بر این، سنجش از دور این قابلیت را دارد که از توسعه برنامههای کشاورزی با هدف مقابله با این چالش اصلی، از طریق ارائه سوابق چرخهای در مورد وضعیت عملکرد در دورههای مورد مطالعه در درجات مختلف و برای پارامترهای متنوع، پشتیبانی کند. ساختارهای مختلف پیشرفته و پشتیبانی شده توسط کامپیوتر برای تعیین عوامل اصلی مختلف مانند تشخیص گیاه، تشخیص عملکرد، کیفیت محصول و چندین روش دیگر ایجاد شدهاند. این مقاله شامل تکنیکهایی است که برای تجزیه و تحلیل اطلاعات جمعآوری شده به منظور افزایش بهرهوری، پیشبینی تهدیدات احتمالی و کاهش بار کاری کشاورزان به کار گرفته میشود. | ||
| کلیدواژهها | ||
| هوش مصنوعی؛ یادگیری ماشین؛ الگوسازی پیشبینیکننده؛ سنجش از دور؛ نقشه اراضی | ||
| عنوان مقاله [English] | ||
| Synergy of Artificial Intelligence and Remote Sensing: A New Solution for Accurate and Sustainable Management of Iran's Agricultural Resources | ||
| نویسندگان [English] | ||
| Yousef Taghi mollaei1؛ Seyed Kazem Bordbar2؛ Mohammadreza Negahdar Saber3 | ||
| 1Research Expert, Fars Province Agricultural and Natural Resources Research and Education Center | ||
| 2Associate Professor, Fars Province Agricultural and Natural Resources Research and Education Center | ||
| 3Associate Professor, Fars Province Agricultural and Natural Resources Research and Education Center | ||
| چکیده [English] | ||
| In recent years, the use of artificial intelligence and cognitive technologies in agriculture has led to a significant transformation in production, resource management and farm monitoring. By analyzing abundant data such as weather conditions, soil characteristics, crop growth status and market preferences, artificial intelligence provides farmers with efficient tools for more accurate decision-making. Sensors, drones and robots equipped with machine learning algorithms have enabled targeted operations such as irrigation, fertilization and pesticide spraying, which results in reduced input consumption, maintenance of soil quality and increased productivity. Along with these developments, remote sensing and satellite imagery (especially Sentinel-2) play an important role in identifying and classifying vegetation, mapping agricultural land and monitoring environmental changes. The use of machine learning and deep learning algorithms—including convolutional neural networks (CNNs), support vector machines, decision trees, and random forests—has increased the accuracy of satellite data analysis and the production of high-resolution agricultural maps. Despite the significant benefits, challenges such as the lack of standardized spatial data, limited computational infrastructure, the need for interdisciplinary expertise, and the lack of coherent policies on data and AI have hindered the development of these technologies. Overall, the combination of AI, remote sensing, and machine learning can pave the way for sustainable, smart, and data-driven agriculture. | ||
| کلیدواژهها [English] | ||
| Artificial intelligence, machine learning, modeling, remote sensing, land mapping | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 341 تعداد دریافت فایل اصل مقاله: 138 |
||