آشنایی با ماشین لرنینگ ( Machine learning ) و کاربرد آن در کشاورزی

با پیشرفت تکنولوژی تمامی علوم تحت تاثیر یکدیگر قرار گرفته اند و باعث شده اند تمامی فرآیندها رو به هوشمند شدن پیش بروند .در این پست از مرجع مهندسی آب ایران قصد داریم مفهوم تازه ای را شرح دهیم که چند سالی است به شدت زندگی مارا تحت تاثیر خودش قرار داده است .

ماشین لرنینگ یا یادگیری ماشین برا اساس تعریف سیمون (1983) یعنی :

اگر بتوان تجربیات و اطلاعات یک فرد خبره در هر حوزه کاری را به ماشین از طریق الگوریتم های ریاضی انتقال داد و آن ماشین بتواند یاد بگیرد که کاری که آن شخص انجام میدهد را برای ما با دقت و تکرار بیشتر انجام بدهد .

ایده ماشین لرنینگ در سال 1959 برای حل مسائل ساده ریاضی بوجود آمد که با توجه به آن آیا میتوان یک سری عملگر ساده مانند and یا or را به ماشین داد ؟

تا سال 1990 به دلیل کمبود سیستم های پیشرفته کامپیوتری زیاد پیشرفت چشم گیری نداشت.

با توجه به توضحیات بالا میتوان برداشت کرد که هدف اصلی این علم خارج کردن نیروی انسانی از فرآیندها و وارد کردن ماشینهایی است که قابلیت یادگیری را دارند میباشد .

حال مزایای ماشین لرنینگ چیست ؟

1.  استفاده از نیروی انسانی هزینه بر هست
2.  دقت نیروی انسانی در طولانی مدت پایین می آید
3.  تکرار پذیری بالاتر ( به عبارتی یک کار را هزار بار با یک تکرار و یک دقت انجام میدهد )

کلیه وظایف ماشین لرنینگ به سه بخش تقسیم میشود :

1. Classification : کلاس بندی کردن : برای توضیح این وظیفه بنده یک مثال ساده برای شما بیان میکنم تا موضوع روشن شود . فرض کنیم ما در یک کلاس حضور داریم و قصد داریم در این کلاس جنس مونث را از جنس مذکر جدا کرده و تعداد هر جنسیت را بدست اوریم به این پروسه کلاس بندی کردن گویند .
2. Categorization / clustering : در این وظیفه نوع کلاس مطرح نیست و عمدتا بر پایه حل معادلات ریاضی میباشد که اکثر فرآیند های رشته ما در این بخش قرار خواهد گرفت
3. Prediction : هر حالت پیوسته ای که بخواهیم نتیجه آن را پیش بینی کنیم

تفاوت ماشین لرنینگ با برنامه ریزی سنتی چیست ؟

در برنامه ریزی سنتی داده های موجود با برنامه از قبل نوشته شده تلفیق شده و در نهایت ماشین به ما خروجی خواهد داد

اما در برنامه ریزی ماشین لرنینگ به این صورت میباشد که داده ها و خروجی به ماشین داده میشود و ماشین بر اساس آن برنامه و رابطه ای پیدا میکند و سایر داده هایی که بعدا به آن داده میشود را آنالیز میکند :

از سال 2003 به بعد ماشین لرنینگ و مبحث پردازش تصویر به یکدیگر نزدیک شدن و بسیاری از مشکلات موجود در این بحث حل شد.

روشهای یادگیری ماشین چیست ؟!

1.  Supervised learning : در این روش یک سری لیبل و ویژگی تعیین و تعریف میشود و ماشین براساس آنها یادمیگیرد . به عنوان مثال همانطور که در شکل زیر میبیند به ماشین ویژگی های ظاهری حیوانات مختلف داده شده است و ماشین بر اساس آن تصاویر را برای ما تفکیک کرده است .
2. Unsupervised/clustering learning : در این روش هیچ کلاسی تعیین نمیشود و ماشین باید بر اساس داده اولیه خودش تجربه کسب کند و قدرت تشخیص و یادگیری خود را بالا ببرد .

تنها مزیت کلاسترینک صرفه جویی در هزینه های معرفی لیبل ها است !

مراحل یادگیری ماشین :

1. فرضیات و داده ها : مهم ترین بخش یادگیری ماشین میباشد که محقق بر اساس کاری که میخواهد انجام دهد باید آنها را مرتب کند
2. یادگیری : مواد این بخش معمولا به صورت آماده موجود میباشد و تنها کافیست از شرکت های مختلف تهیه شود
3. تست و آزمون ماشین

مدلهای توسعه پیدا کرده بر اساس ماشین لرنینگ :

مدلهای زیادی تاکنون معرفی شده اند اما ما در اینجا سه تا از مهم ترین مدلهای معرفی خواهیم کرد :

1. شبکه های عصبی مصنوعی ( ANNs ) : این مدل براساس طرز کار مغز انسان پایه ریزی شده است . شبکه عصبی مصنوعی تشکیل شده است از صدها یا میلیونها سلول مغز مصنوعی که بین آنها ارتباط برقرار شده است که همانند مغز انسان عمل یادگیری را انجام میدهد . شاید بتوان گفت تاکنون پرکاربردترین نوع یادگیری بوده است .  اطلاعات بیشتر را در اینجا بخوانید : نگاهی به شبکه های عصبی و طرز کار آنها 
2. یادگیری عمیق ( Deep Learning ) : یادگیری عمیق در حقیقت توسعه یافته شبکه های مصنوعی میباشد . هم اکنون همه ما با دیپ لرنینگ در ارتباطیم و زندگی ما متصل شده به این نوع یادگیری؛ گوشی های هوشمند از این فناوری استفاده میکنند . جهت کسب اطلاعات بیشتر میتوانید به وبسایت مرجع یادگیری عمیق مراجعه فرمایید .
3. مدل ماشین بردار پشتیبانی یا Support vector machines ( SVMs) :در این مدل داده ها به صورت خطی از یکدیگر تفکیک میشوند به عبارتی یعنی ماشین یاد میگیرد تا بهترین خط را برای جدا کردن داده ها پیدا کند .

ماشین لرنینگ در کشاورزی :

کشور ایران که براساس برخی تعاریف جز کشورهای درحال توسعه دسته بندی میشود در حوزه کشاورزی تاحدودی ضعیف عمل کرده است . به عنوان مثال کشور دانمارک که مساحتی حدود استان آذربایجان شرقی دارد سالانه دوبرابر کل ایران صادرات کشاورزی دارد و این آمار تنها با کشاورزی دقیق پدید آمده است .
در ادامه میتوانید چند مثال در این زمینه ببینید :

در عکس سمت چپ رباتیست که برای وجین ساخته شده است ، سازندگان این ماشین ادعا کرده اند که این ماشین تا 75 درصد اثرات آفت کش ها را کاهش داده است .

عکس سمت چپ مربوط به تحقیقی است در خصوص میزان جذب آهن توسط گیاه که همانطور که مشاهده میشود از عکس شماره 1 تا عکس شماره 5 گیاهان در حالت های مختلف جذب قرار داشته اند و با توجه به داده های بدست آمده کشاورز میتواند امورز لازم را جهت رفع مشکلات گیاه انجام دهد .

در این پروژه که از داده های ماهوراه و سنجنده های دور استفاده شده است میزان تراکم گیاهی در سطح یک مزرعه محاسبه شده است و نقاطی که قرمز میباشند حاکی از وجود مشکل و کم بودن تراکم گیاه نسبت به سایر زمین است که باید این تقاط بررسی شوند و مشکل رفع شود .

پژوهشگران آمریکایی تراشه‌ای کوچک ساخته‌اند که با نصب شدن در پشت زنبورها، این حشرات را به پهپادهایی زنده تبدیل می‌کند. سخت‌افزار تولید شده دارای میکروکنترلر، آنتن و حسگرهایی است که امکان تحلیل رطوبت، دما و شدت نور را در هر 4 ثانیه اندازه‌گیری کنند. از کاربردهای این فناوری که آن را اینترنت اشیا زنده می‌نامند، می‌توان به سنجش سلامت گیاهان در کشاورزی هوشمند اشاره کرد. منبع

درکلیپ زیر نمونه های از ماشین لرنینگ و اینترنت اشیا و پردازش تصویر در حوزه کشاورزی آورده شده است :

ماشین لرنینگ در کشاورزی در سه بخش فعالیت دارد :

1. مدیریت آب
2. مدیریت خاک
3. مدیریت محصول و گیاه

که در بین این سه بخش مبحث مدیریت محصول بیشتر فعالیت ماشین لرنینگ را به خود اختصاص داده است . در بخش مدیریت آب تنها ده درصد این فعالیت ها را در بر میگیرد .

با تشکر از مهندس تیموری دانشجوی مقطع دکترا دانشگاه اهایو و انجمن علمی گروه مهندسی آبیاری و آبادانی دانشگاه تهران