АУЫЛ ШАРУАШЫЛЫҒЫНДАҒЫ ЖАСАНДЫ ИНТЕЛЛЕКТ НЕГІЗІНДЕГІ ШЕШІМДЕР: МАШИНАЛЫҚ ОҚЫТУ ЖӘНЕ КОМПЬЮТЕРЛІК КӨРУ АРҚЫЛЫ ТЫҢАЙТҚЫШТАРДЫ БОЛЖАУ ЖӘНЕ ҚЫЗАНАҚ АУРУЛАРЫН АНЫҚТАУ

Бұл зерттеу Қазақстанда ауыл шаруашылығын жетілдіру мақсатында жасанды интеллекттің қолданылуын зерттейді. Негізгі назар екі бағытқа аударылды: қызанақ жапырақтарының ауруларын анықтау
және тыңайтқыштарды оңтайландыру. Ауруларды анықтау үшін GoogleNet (InceptionV3), VGG16, ResNet50, MobileNetV2 және арнайы конволюциялық нейрондық желілер (CNN) сияқты терең оқыту модельдері бағаланды. GoogleNet моделі 99,72% дәлдікпен ең жоғары нәтижеге қол жеткізіп, қызанақ жапырақтарының ауруларын анықтауда үздік қабілетін көрсетті. Тыңайтқыштарды оңтайландыруда шешім ағаштары, ең жақын көршілер әдісі (K-Nearest Neighbors), CNN, градиенттік күшейту ағаштары (Gradient Boosting Decision Trees) және LogitBoost сияқты машиналық оқыту модельдері негізгі компоненттерді талдау (PCA) арқылы түрлі ерекшеліктермен тексерілді. Алты PCA ерекшелігі бар CNN моделі 97,58% дәлдікке қол жеткізіп, болжамдық модельдеу үшін ерекшеліктерді оңтайландырудың тиімділігін көрсетті. Бұл нәтижелер жасанды интеллект технологияларын ауыл шаруашылығына интеграциялау Қазақстанда өнімділік пен тұрақтылықты айтарлықтай арттыра алатынын, ауруларды дәл анықтауға және ресурстарды оңтайлы пайдалануға мүмкіндік беретінін көрсетеді. Болашақ зерттеулер бұл модельдерді нақты ауыл шаруашылығы жағдайларында енгізуге және оларды басқа дақылдар мен экологиялық жағдайларға бейімдеуге бағытталуы тиіс.

1. Rama Devi, O., Naga Lakshmi, P., Naga Babu, S., Vinaya Sree Bai, K., Sowmya, and Akansha. Fertilizer Forecasting using Machine Learning. Proceedings of the 2023 International Conference on Inventive Computation Technologies (ICICT), Lalitpur, Nepal, April 2023. https://doi.org/10.1109/ICICT57646.2023.10134061.

2. Vaishnavi, S., Shanmugam, N., Kiran, G., and Saraswathi Priyadharshini, A. Dependency analysis of various factors and ML models related to Fertilizer Recommendation. Proceedings of the 2023 Third International Conference on Secure Cyber Computing and Communication (ICSCCC), Jalandhar, India, May 2023. https://doi.org/10.1109/ICSCCC58608.2023.10176974.

3. Ali, Md S., Rohit, B., Roshith, R., Biradar, V., and Jabbar, M.A. Crop Prediction & Fertilizer Recommendation using AODE Algorithm. Proceedings of the 2024 IEEE 9th International Conference for Convergence in Technology (I2CT), Pune, India, April 2024.https://doi.org/10.1109/I2CT61223.2024.10543894.

4. Mohanty, S.P., Hughes, D.P., and Salathé, M. Using deep learning for image-based plant disease detection. Frontiers in Plant Science, 7, 1419 (2016). https://doi.org/10.3389/fpls.2016.01419.

5. Sladojevic, S., et al. Deep neural networks based recognition of plant diseases by leaf image classification. Computational Intelligence and Neuroscience, 2016, Article ID 3289801 (2016). https://doi.org/10.1155/2016/3289801.

6. Brahimi, M., Boukhalfa, K., and Moussaoui, A. Deep learning for tomato diseases: classification and symptoms visualization. Applied Artificial Intelligence, 31 (4), 299–315 (2017). https://doi.org/10.1080/08839514.2017.1315516.

7. Fuentes, A., et al. A robust deep-learning-based detector for real-time tomato plant diseases and pests recognition. Sensors, 17 (9), 2022 (2017). https://doi.org/10.3390/s17092022.

8. Durmuş, H., Güneş, E.O., and Kırcı, M. Disease detection on the leaves of the tomato plants by using deep learning. Proceedings of the 2017 6th International Conference on Agro-Geoinformatics, Fairfax, VA, USA, 2017. https://doi.org/10.1109/Agro-Geoinformatics.2017.8047016.

9. Zhang, Keke, et al. «Can deep learning identify tomato leaf disease?.» Advances in Multimedia 2018 (2018). https://doi.org/10.1155/2018/6710865.

10. Jiang, P., et al. Real-time detection of apple leaf diseases using deep learning approach based on improved convolutional neural networks. IEEE Access, 7, 59069–59080 (2019). https://doi.org/10.1109/ACCESS.2019.2914929.

11. Adhikari, S., et al. Tomato plant diseases detection system using image processing. Proceedings of the 1st KEC Conference on Engineering and Technology, Lalitpur, Nepal, Vol. 1, 2018.

12. Priya, K.D., et al. ENSEMBLED CROPIFY – Crop & Fertilizer Recommender System with Leaf Disease Prediction. Proceedings of the 2023 International Conference on Innovative Data Communication Technologies and Application (ICIDCA), Tirunelveli, India, 2023. https://doi.org/10.1109/ICIDCA56705.2023.10100117.