كاربرد هوش مصنوعي در مديريت و حفاظت از محيط طبيعي سواحل جنوبي ايران (مطالعه موردي: صخره‌هاي مرجاني)

علوم و مهندسي محيط زيست گرايش تنوع زيستي

6/28/2023 12:00:00 AM

حفاظت از محيط زيست به‌خصوص محيط زيست دريايي كه كشورها از سلامت و پويايي آن، سود مي‌برند، امري حياتي است. سواحل خليج فارس و درياي عمان داراي زيستگاه‌هاي حساسي نظير اكوسيستم‌‌ مرجاني مي‌باشند. اما متاسفانه اين مناطق با وجود داشتن تنوع زيستي ارزشمند و منحصربه‌فرد، دچار آلودگي‌هاي مختلفي از جمله تركيبات نفتي، انواع زباله‌ها و فاضلاب‌ها و پساب‌ها شده است كه نه تنها باعث آلودگي آب‌هاي آن نواحي شده است، بلكه جانداراني مانند مرجان‌ها كه خود اكوسيستمي غني از موجودات محسوب مي‌شود را نيز تحت تاثير قرار داده است. مديريت شهري به لطف فن‌آوري اطلاعات و ارتباطات مي‌تواند وارد مرحله جديدي شود. رويكردهاي مختلف هوش مصنوعي مانند شبكه‌هاي عصبي مصنوعي در فرايند مدل‌سازي سيستم‌هاي پويا، بسيار كاربردي و دقيق هستند. از اين رو، در اين پژوهش از هوش مصنوعي جهت طبقه‌بندي تصاوير آب‌ها و صخره‌هاي مرجاني مناطق جنوب ايران استفاده گرديد‌. هدف اصلي اين تحقيق، تعيين كارآيي روش‌هاي هوش مصنوعي در مديريت و حفاظت از سواحل جنوبي ايران مي‌باشد. براي اين منظور، از تصاوير آب آلوده و سالم و مرجان‌هاي بيمار و سالم استفاده شد. 10 درصد تصاوير به‌عنوان داده آزمون و 90 درصد نيز به‌عنوان داده آموزشي مورد استفاده قرار گرفت. در ادامه، با كمك الگوريتم‌هاي يادگيري ماشين و روش‌‌هاي شبكه عصبي كانولوشن، تصاوير طبقه‌بندي شدند. جهت مدل‌سازي از نرم‌افزار متلب استفاده گرديد. در طبقه‌بندي باينري، مدلِ داراي 4 لايه كانولوشن و با تابع بهينه‌سازي adam با 95 درصد دقت و 0.2 درصد خطا، كارآمدترين مدل شد. در طبقه‌بندي دسته‌اي تصاويراز شبكه عصبي vgg-16 استفاده شد كه دقت آن 98 درصد بود. از بين الگوريتم‌هاي يادگيري ماشين استفاده شده، روش رگرسيون لجستيك و ماشين بردار پشتيبان با 93 درصد دقت كارآمدترين الگوريتم‌ها بوده‌اند. مطابق نتايج به دست آمده، هوش مصنوعي به‌ويژه روش‌هاي شبكه عصبي كانولوشن مي‌تواند در حفاظت و مديريت هوشمند محيط زيست كمك شاياني كند.

223772

دانشگاه اردکان

علوي كامليا Alavi Camelia