فناوری هوش‌ مصنوعی در کشاورزی؛ چشم‌انداز، کاربردها و چالش ‌ها

امروزه به‌کارگیری فناوری ‌های پیشرفته مانند سیستم موقعیت‌یابی جهانی، هواپیماهای بدون سرنشین، نقشه‌برداری ماهواره‌ای، حسگرهای از راه دور و ماشین‌آلات دقیق کشاورزی حجم زیادی از کلان‌داده‌ها را در طول فرایند تولید در اختیار کشاورزان قرار می‌دهد که می‌تواند به‌عنوان بخشی از اقتصاد دیجیتال در کشاورزی دقیق محسوب شده و مورد بهره‌برداری اقتصادی قرار گیرد. تجزیه و تحلیل این داده‌ها به‌علت پیچیدگی قادر به پردازش توسط سیستم‌های پردازش سنتی نمی‌باشد. با توجه به اندازه و پیچیدگی کلان‌داده، هوش‌مصنوعی قادر است از طریق الگوریتم‌های یادگیری ماشین، این داده‌ها را به اطلاعات ارزشمند تبدیل نماید. از برنامه‌های کاربردی و در حال توسعه هوش‌مصنوعی می‌توان به الگوریتم‌های پیش‌بینی عملکرد، کاهش نهاده‌های کشاورزی مانند کود و سم، نظارت بر شرایط رشد محصولات، مدیریت آفات، به‌نژادی و مطالعات مولکولی و درنهایت مدیریت زنجیره ارزش اشاره کرد. برنامه‌های در حال توسعه با استفاده از هوش‌مصنوعی به‌زودی قادر خواهند بود علاوه بر تعیین زمان کشت، زمان ورود محصولات کشاورزی به بازار را نیز مدیریت کنند تا درنهایت سبب افزایش بهره‌وری شوند. تولید کودهای زیستی از ضایعات کشاورزی می‌تواند دستاورد دیگری از توسعه الگوریتم‌های بر پایه هوش‌مصنوعی برای کاهش اثرات منفی زیست محیطی و افزایش بهره‌وری اقتصادی از ضایعات باقیمانده از محصولات کشاورزی باشد. در این مطالعه کاربردهای توسعه‌ای و تحقیقی هوش‌مصنوعی و تاثیر آن در کشاورزی دقیق مورد بحث قرار می‌گیرد.

artificial intelligence technology in agriculture; prospects, applications and challenges

today, using advanced technologies such as the global positioning system (gps), agricultural drones, satellite mapping, remote sensors, and precision agriculture machinery provides farmers with a lot of big data during production. according to the reports, this can be considered a part of the digital economy in precision agriculture and be economically exploited. the analysis of this data cannot be processed by traditional processing systems due to its complexity. given the size and complexity of big data, artificial intelligence can transform this data into valuable information through machine learning algorithms. this technology is being used to performance prediction algorithms, reducing agricultural inputs such as fertilizers and poisons, monitoring the growing conditions, pest management, breeding, molecular studies and finally value chain management. developing programs using artificial intelligence technology will soon be able to manage the time of agricultural products entering the market, in addition to determining the planting time in order to increase productivity. the production of bio fertilizer from agricultural waste can be another achievement of the development of algorithms based on artificial intelligence to reduce the negative environmental effects and increase the economic productivity of the remaining waste from agricultural products. this study discusses the important applications of artificial intelligence in agriculture and its impact on precision agriculture.