تم بحمد الله اتمام مناقشة طالبة الماجستير نور صباح عباس مطلك لاطروحة الماجستير بعنوان

DESIGN AND IMPLEMENTATION OF AN AUTOMATED IRRIGATION NODE BASED ON A MACHINE LEARNING ALGORITHM

في يوم الاربعاء المصادف 15-3-2023 و تكونت اللجنة من 

أ.د. محمد عصام يونس  (رئيسا)

أ.م.د. انس لطيف (عضوا)

م.د. احمد هاني يوسف (عضوا)

وباشراف أ.م. محمد صبري سالم وتم تقييم الرسالة علميا من قبل أ.م.د. احمد فائق و أ.م.د. عمار داود و لغويا من قبل م.د.رسلان سعد عبد الرحمن

وقد اجتازت الطالبة متطلبات الحصول على شهادة الماجستير

و محتوى الرسالة يتمثل ب: 

(أتاحت التحسينات الأخيرة على الذكاء الاصطناعي وتكنولوجيا الاستشعار إمكانية مراقبة بيئتنا والتحكم فيها. من خلال التبخير والتصريف، يستخدم نظام الري الزراعي الحالي الكثير من المياه. أيضًا، يمكن أن يؤدي الري الزراعي التقليدي إلى الكثير أو القليل جدًا من الري، مما يقلل من جودة المحاصيل وإنتاجها. نظرًا لأن جدولة الري تعتمد بشكل كبير على رطوبة التربة وخصائص التربة والظروف الجوية ونوع النبات، يجب أن يكون لنظام الري والمراقبة التلقائي الذي يأخذ هذه العوامل في الاعتبار تأثير إيجابي على توفير المياه وزيادة غلة المحاصيل وتحسين جودة المحاصيل. تقترح هذه الأطروحة نهجًا جديدًا يعتمد على الشبكات العصبية الاصطناعية (ANNs) لمراقبة الظروف الزراعية والتحكم في رطوبة التربة لتحديد نسب مياه الري على فترات زمنية محددة مسبقًا في مجموعة واسعة من معايير التشغيل. تم إنشاء الشبكات العصبية الاصطناعية باستخدام البيانات التجريبية. تم تدريب الشبكة العصبية باستخدام نسب الري (IAM) كمعامل مرغوب ورطوبة التربة ونوع التربة ونوع النبات والفاصل الزمني كمعلمات إدخال. في الشبكة، تم استخدام خوارزميات التعلم العكسي لإيجاد أفضل طريقة. تم اشتقاق أربع صيغ للتنبؤ بمعدلات الري وتوقيته لمجموعة واسعة من النباتات (لرطوبة التربة من 21-70 كيلو باسكال) باستخدام أوزان الشبكة. تم استخدام هذه الصيغ لبرمجة جهاز الاستشعار والتحكم الآلي (ASCD). ASCD هو تصميم مخصص يمكنه التواصل مع نوعين من أجهزة الاستشعار لتحديد مدى رطوبة التربة والتفاعل مع ثلاثة أنواع مختلفة من الصمامات الإلكترونية. بالإضافة إلى القدرة على عمل عقدة داخل شبكة استشعار لاسلكية. كشف تطبيق الصيغ التنبؤية الجديدة عن نتيجتين مهمتين. الأول هو تقليل كمية المياه المستخدمة لري المحاصيل أثناء النهار مقابل الري في الليل. ثانياً، خفضت كمية الطاقة اللازمة لتشغيل نظام الري بنسبة 16.6٪. أظهرت الصيغ التنبؤية الجديدة دقة عالية عند مقارنتها بعدد من نتائج الباحثين. متوسط الانحراف النسبي المطلق (AAPD) للنموذج التنبئي و Karasekreter N. et al. (2012)، بالإضافة إلى الارتباطات الخاصة بالمجموعة الكاملة من البيانات التجريبية، هي 5.46٪ و  21.79٪ على التوالي. بالنظر إلى أن الري الزراعي يستخدم 69٪ من إجمالي المياه في العالم، فإن توفير المياه بنسبة 16.66٪ نتيجة استخدام الصيغ التنبؤية المقترحة يُظهر أن هناك الكثير من الإمكانات لتوفير المياه في العالم

.