از هوش مصنوعی می توان برای نظارت بهتر بر جنگل های مین استفاده کرد -- ScienceDaily
انتشار: شهریور 12، 1401
بروزرسانی: 27 خرداد 1404

از هوش مصنوعی می توان برای نظارت بهتر بر جنگل های مین استفاده کرد -- ScienceDaily

WiSe-Net همچنین با Aaron Weiskittel، مدیر مرکز تحقیقات جنگل های پایدار، همکاری کرد تا اطمینان حاصل کند که تمام تحقیقات سخت افزاری و نرم افزاری بر اساس علم و متناسب با نیازهای تحقیقاتی انجام می شود.

پایش و اندازه گیری اکوسیستم های جنگلی به دلیل ترکیبی از نرم افزارها، سیستم های جمع آوری و محیط های محاسباتی که به مقادیر فزاینده ای انرژی برای نیرو نیاز دارند، یک چالش پیچیده است. آزمایشگاه شبکه های حسگر بی سیم دانشگاه مین (WiSe-Net) روش جدیدی برای استفاده از هوش مصنوعی و یادگیری ماشینی برای نظارت بر رطوبت خاک با انرژی و هزینه کارآمدتر ایجاد کرده است - روشی که می تواند برای اندازه گیری کارآمدتر در سراسر جهان استفاده شود. اکوسیستم های جنگلی مین و فراتر از آن

عابدی می گوید: "پایش بیدرنگ متغیرهای مختلف به نرخ های نمونه گیری و سطوح توان متفاوتی نیاز دارد. یک عامل هوش مصنوعی می تواند این موارد را یاد بگیرد و به جای نمونه برداری و ارسال تک تک نقاط داده ای که کارآمد نیست، جمع آوری و فرکانس ارسال را بر اساس آن تنظیم کند." .

اگرچه سیستم طراحی شده توسط محققان بر روی رطوبت خاک متمرکز است، روش مشابهی را می توان به انواع دیگر حسگرها مانند دمای محیط، عمق برف و موارد دیگر، و همچنین افزایش مقیاس شبکه ها با گره های حسگر بیشتر تعمیم داد.

مواد تهیه شده توسط دانشگاه مین. توجه: محتوا ممکن است برای سبک و طول ویرایش شود.



منبع منبع داستان:

این نرم افزار در طول زمان یاد می گیرد که چگونه از منابع شبکه موجود بهترین استفاده را ببرد، که به تولید سیستم های کارآمد انرژی با هزینه کمتر برای نظارت در مقیاس بزرگ در مقایسه با استانداردهای صنعتی موجود کمک می کند.

علی عابدی، محقق اصلی مطالعه اخیر و استاد برق می گوید: «هوش مصنوعی می تواند از محیط بیاموزد، کیفیت پیوند بی سیم و انرژی خورشیدی ورودی را برای استفاده مؤثر از انرژی محدود و ایجاد یک شبکه قوی کم هزینه طولانی تر و قابل اطمینان تر پیش بینی کند». و مهندسی کامپیوتر در دانشگاه مین.

ویسکیتل می گوید: "رطوبت خاک محرک اصلی رشد درختان است، اما به سرعت تغییر می کند، چه روزانه و چه در فصل." "ما توانایی نظارت موثر در مقیاس را نداشتیم. از لحاظ تاریخی، ما از حسگرهای گران قیمتی استفاده می کردیم که در فواصل زمانی ثابت جمع آوری می شدند - برای مثال در هر دقیقه - اما چندان قابل اعتماد نبودند. یک حسگر ارزان تر و قوی تر با قابلیت های بی سیم مانند این واقعاً در را برای کاربردهای آینده برای محققان و پزشکان به طور یکسان باز می کند."

این مطالعه در 9 آگوست 2022 در اسپرینگر منتشر شد مجله بین المللی شبکه های اطلاعات بی سیم.

همراه با محققان دانشگاه نیوهمپشایر و دانشگاه ورمونت، WiSe-Net UMaine یک شبکه حسگر بی سیم طراحی کرد که از هوش مصنوعی برای یادگیری نحوه کارآمدتر انرژی در نظارت بر رطوبت خاک و پردازش داده ها استفاده می کند. این تحقیق با کمک مالی بنیاد ملی علوم تامین شد.

رطوبت خاک یک متغیر مهم در اکوسیستم های جنگلی و کشاورزی است، به ویژه در شرایط خشکسالی اخیر تابستان های گذشته مین. علی رغم شبکه های پایش رطوبت خاک قوی و پایگاه های داده بزرگ و رایگان در دسترس، هزینه سنسورهای رطوبت خاک تجاری و قدرتی که برای اجرا استفاده می کنند می تواند برای محققان، جنگل بانان، کشاورزان و سایرین که سلامت زمین را ردیابی می کنند، گران باشد.