رسالة ماجستير في كلية علوم الحاسوب والرياضيات تناقش: ( loT based data-driven agriculture: crop monitoring for enhancing yield forecasting using deep learning techniques)

المناقشات العلمية 03 آب/أغسطس 2025 الزيارات: 122

نوقشت اليوم الاحد الموافق 3-8-2025في كلية علوم الحاسوب والرياضيات / قسم علوم الحاسوب / رسالة ماجستير للباحث (محمد خلف محمود) الموسومة:

( loT based data-driven agriculture: crop monitoring for enhancing yield forecasting using deep learning techniques)

بإشراف (أ.م. وسام داود عبدالله)

هذا وقد جاء في مستخلص الدراسة ما يلي:

تواجه الزراعة المعاصرة تحديات متزايدة نتيجة لتغير المناخ، ونقص الموارد المائية، والطلب المتزايد على الغذاء بفعل النمو السكاني. ومن أجل تجاوز هذه التحديات، أصبحت تقنيات الذكاء الاصطناعي، ولاسيما التعلم العميق، أدوات أساسية في تحليل البيانات الزراعية وتحسين الإنتاجية.

تهدف هذه الدراسة الى مراقبة نمو المحاصيل وتوقع إنتاجيتها باستخدام تقنيات التعلم العميق. وقد تم اعتماد منهجين لاستخلاص الميزات من البيانات الزمنية: الأول يعتمد على شبكات LSTM المصممة للتعامل مع التسلسل الزمني للبيانات، والثاني يعتمد على شبكات CNN التي تميز الانماط في البيانات. بعد مرحلة الاستخلاص، تم تقليل الابعاد باستخدام تقنية PCA، ثم تدريب النماذج الثلاث : AdaBoost LightGBM كنماذج تجميعية ، و Random Forest كنموذج غير خطي، وتم تحسين الأداء باستخدام خوارزمية التحسين البايزي (BO). أظهرت النتائج ان نموذج LSTM حقق أداء مثالياً بنسبة ۱۰۰% في جميع التجارب، مما يعكس جودة الميزات المستخرجة، بينما قدم نموذج CNN أداء متفاوتاً، حيث حقق ٦٧% مع AdaBoost، و . LSTM تؤكد هذه النتائج فعالية استخدام Random Forest و ۹۹.۹% مع LightGBM مع و CNN في استخراج معلومات دقيقة تسهم في رفع كفاءة الزراعة. وتمهد الطريق أمام تطبيقات الزراعة الذكية القائمة على تحليل البيانات الضخمة.