منهجيات التعلم الآلي والتعلم العميق المعتمدة على رؤية الكمبيوتر لتحديد نقص المغذيات في المحاصيل: استعراض

الزراعة هي صناعة مهمة تلعب دورًا رئيسيًا في البيئة المستدامة والتنمية الاقتصادية في البلاد. يطالب سكان العالم بزيادة إنتاج الغذاء مع تقليل الفاقد إلى الحد الأدنى. يعد نقص المغذيات أحد العوامل الرئيسية والحاسمة التي تؤثر بشكل كبير على إنتاج المحاصيل. تشمل التقنيات الشائعة لتحديد حالة تغذية المحاصيل تشخيص شكل النبات، علم الإنزيمات، التأثيرات الكيميائية، التسميد، وغيرها. ومع ذلك، فإن التقنيات المذكورة أعلاه تعتبر تدخلاً وتستغرق وقتًا طويلاً أو غير قابلة للتطبيق عند النظر في ممارسات الإنتاج المتنوعة في مواقع وبيئات وظروف مناخية مختلفة. رؤية الكمبيوتر هي مجال من مجالات علوم الكمبيوتر التي تتعامل مع إنشاء أنظمة رؤية قائمة على الذكاء الاصطناعي يمكنها استخدام بيانات الصور ومعالجتها وتحليلها كما يقوم البشر بذلك. يفضل الكشف المبكر عن نقص المغذيات في المحاصيل الفلاحين لمراقبة المحاصيل المتأثرة والتخطيط لتطبيق السماد أو الأسمدة، مما يدعم استعادة كفاءة المحصول لتحقيق أعلى إنتاجية له. تعتمد أنظمة رؤية الكمبيوتر الحديثة على التعلم الآلي (ML)، والاستشعار عن بعد، وصور الأقمار الصناعية، والطائرات المسيرة (UAVs)، وأجهزة الاستشعار القائمة على إنترنت الأشياء (IoT)، ونماذج التعلم العميق (DL) التي تستخدم الخوارزميات لاستخراج الميزات المطلوبة من البيانات. الهدف من هذا العمل هو تقديم لمحة عامة عن الأبحاث الحديثة وتحديد نطاق التقنيات المعتمدة على رؤية الكمبيوتر المستخدمة لتحديد محتوى ونقص المغذيات في المحاصيل، وإيجاد تحديات البحث في التنبؤ بعدم التوازن الغذائي مقارنة بالأمراض النباتية التي تظهر خصائص مشابهة معينة، وبالتالي تحسين صحة المحاصيل وإنتاجها.