تحليل مقارن لخوارزميات التعلم الآلي المستندة إلى تصنيف مراحل نمو الخس المستند إلى رؤية الآلة في نظام الأكوابونيك الذكي

تدفع المشكلة الناشئة بشأن ندرة الغذاء الابتكار في الزراعة الحضرية. إحدى طرق الزراعة الحضرية هي الأكوابونيك الذكي. ومع ذلك، لكي تحقق الأكوابونيك الذكي إنتاج المحاصيل بنجاح، يحتاج إلى مراقبة وتحكم وأتمتة كثيفة. إحدى الطرق الفعالة لتنفيذ ذلك هي استخدام أنظمة الرؤية وخوارزميات التعلم الآلي لتحسين قدرات تقنية الزراعة. لتحقيق ذلك، تم إجراء تحليل مقارن لثلاثة مقدرات تعلم آلي: الانحدار اللوجستي (LR)، أقرب الجيران (KNN)، وآلة الدعم الخطية (L-SVM). تم ذلك من خلال نموذج كل خوارزمية من الصور المستخرجة من ميزات رؤية الآلة للخس الذي تم زراعته في بيئة أكوابونيك ذكية. تم تحسين كل نموذج لزيادة عمليات التحقق المتقاطعة والتحقق من صلاحية البيانات. أظهرت النتائج أن KNN مع المعايير الضبطية nₙeighbors=24، weights='distance'، algorithm='auto'، leafₛize=10 هو النموذج الأكثر فعالية لمجموعة البيانات المعطاة، حيث حقق دقة متوسطة للتحقق المتقاطع تبلغ 87.06% ودقة تصنيف تبلغ 91.67%.