طراحی سیستم تشخیص و عیب یابی ماشین آلات کشاورزی با استفاده از هوش مصنوعی

مقاله با عنوان "طراحی سیستم تشخیص و عیب یابی ماشین آلات کشاورزی با استفاده از هوش مصنوعی" توسط میثم برداره، عباس ناظمی و رامین مهبود نوشته شده است. این مقاله در چهارمین کنگره بین المللی مدیریت، اقتصاد، علوم انسانی و توسعه کسب و کار در تاریخ ۵ و ۶ فوریه ۲۰۲۵ در دانشگاه هنر اسلامی تبریز ارائه شده است.

چکیده:

این مقاله به هوشمندسازی وسایل کشاورزی مانند تراکتور و حذف روش‌های سنتی در کشاورزی می‌پردازد. هدف از این کار، تولید محصولات سالم، با کیفیت و انبوه با استفاده از هوش مصنوعی در شرایط آب و هوایی کره زمین و خشکسالی است.

واژگان کلیدی:

هوش مصنوعی، طراحی سیستم جمع‌آوری اطلاعات، ساخت نمونه اولیه و تأیید صحت فرآیند، تأیید قابلیت اطمینان داده‌ها و پایگاه دانش، آموزش شبکه تشخیص ویژگی، طراحی سیستم هوشمند ماشین‌آلات کشاورزی، ساخت نمونه اولیه مجازی، برنامه کاربردی سیستم، استدلال دانش، استفاده از هوش مصنوعی.

مقدمه:

با بهبود مستمر پایگاه‌های داده، طراحی هوشمند ماشین‌آلات کشاورزی می‌تواند اکثر قطعات را با استفاده از طراحی استفاده مجدد، دوباره طراحی و به تولید رساند. با این حال، هزینه فعلی برای شرکت‌های کوچک و متوسط برای خرید سیستم‌های طراحی هوشمند در مقیاس بزرگ بسیار زیاد است، راندمان محاسباتی و میزان استفاده از عملکرد نرم‌افزار پایین و انسجام و انعطاف‌پذیری ضعیفی دارد. بنابراین، ساخت یک نمونه اولیه مجازی و پایگاه دانش منحصر به فرد آن از کلید قطعات ماشین‌آلات کشاورزی با عملکرد قوی، فراوانی داده بالا، هزینه کم و قابلیت عمل قوی برای طراحی هوشمند کشاورزی برای هدایت تولید اهمیت زیادی دارد. یادگیری ماشین و هوش مصنوعی امروزه در بسیاری از حوزه‌ها از جمله کشاورزی نقشی کلیدی را در بهبود عملکرد دستگاه‌های مختلف ایفا می‌کنند. در این مقاله به بررسی روش‌های بهینه‌سازی عملکرد ماشین‌های کشاورزی با استفاده از یادگیری ماشین و هوش مصنوعی می‌پردازیم. ابتدا ماشین آموزش داده می‌شود تا بتواند از داده‌های مختلفی که از حوزه کشاورزی جمع‌آوری شده‌اند، الگوها و روابطی را استخراج کند. سپس با استفاده از الگوریتم‌های بهینه‌سازی، عملکرد ماشین بهبود می‌یابد تا بتواند وظایف خاصی را انجام دهد.

مبانی تحقیق:

1. این سیستم از الگوریتم پردازش تصویر با دقت اندازه‌گیری بالاتر برای اندازه‌گیری پارامترهای مشخصه مدل سه‌بعدی قطعات استفاده می‌کند و نمونه اولیه مجازی را با عملکرد ظاهر، شبیه‌سازی ظاهر، برخورد و تشخیص تداخل و شبیه‌سازی ویژگی‌های فیزیکی بازسازی می‌کند.
2. سیستم یک پایگاه دانشی ایجاد می‌کند که می‌تواند به صورت پویا به روز شود و داده‌های توالی مونتاژ، معیار مونتاژ، منطقه تحمل و قابلیت تعویض محصول از نمونه مجازی را در زمان واقعی به روز می‌کند.
3. با توجه به منطق مونتاژ قطعات کلیدی ماشین‌آلات کشاورزی، سیستم رفتار مونتاژ را ساده می‌کند.
4. بر اساس موتور واقعیت مجازی، این مقاله یک سیستم طراحی هوشمند برای بخش‌های کلیدی ماشین‌آلات کشاورزی با عملکرد زمان واقعی و محاسبه شده قدرتمند می‌سازد. در نهایت، ارزیابی نرم‌افزار شخص ثالث و نتایج آزمایش برنامه کاربردی تولید عملی نشان می‌دهد که سیستم با تولید واقعی مطابقت بیشتری دارد.

روش تحقیق ساخت نمونه اولیه مجازی:

نمونه اولیه مدل سه‌بعدی سنتی، داده‌های تست را از طریق ماژول‌های مختلف تست CAD به دست می‌آورد. نمونه اولیه مجازی ساخته شده در این مطالعه با استفاده از مکانیزم ماشه برخورد مدل جامد مش برای بازخورد خودکار داده‌های تداخل و داده‌های مونتاژ استفاده می‌کند. ذخیره‌سازی داده‌ها و بازخورد هر قسمت می‌تواند به طور مستقل و همزمان از طریق اسکریپت داده تکمیل شود.

آموزش شبکه تشخیص ویژگی:

ابتدا، تقریباً ۱۰۱۸۰ مدل سه‌بعدی CAD از قطعات کلیدی ماشین‌آلات کشاورزی جمع‌آوری می‌شود و فرمت فایل‌های آنها با استفاده از دستور ماکرو SolidWorks و DMAX به صورت دسته‌ای تبدیل می‌شود. سپس به موتور واقعیت مجازی وارد می‌شود. دوم، ترکیب شده با ویژگی‌های ساختاری بدنه چرخان بخش‌های کلیدی ماشین‌آلات کشاورزی، سیستم جعبه محدودکننده مکعب را می‌سازد.

برنامه کاربردی سیستم:

با استفاده از داده‌های طرح انتخاب بلبرینگ، اجزای انتقال یک گیربکس ماشین‌آلات کشاورزی طراحی و تولید شده توسط یک شرکت، مدل بلبرینگ توصیه می‌شود. پس از تکمیل خودکار ساخت نمونه اولیه مجازی، تولید می‌شود و دقت سیستم با مقایسه با داده‌های فرآیند واقعی، در نهایت عملکرد سیستم توسط ارزیابی نرم‌افزاری ارزیابی می‌شود.

نتیجه‌گیری کلی استفاده از هوش مصنوعی در ماشین‌آلات کشاورزی:

این تحقیق یادگیری عمیق و فناوری پردازش تصویر یک نمونه اولیه مجازی با عملکردهای کامل و ساختاری جدید ایجاد می‌کند. در ترکیب با استدلال دانش و فناوری مبتنی بر داده، یک پایگاه دانش ویژه ساخته می‌شود که در یک سیستم انعطاف‌پذیر و کاملاً کاربردی ادغام می‌شود که به اختصار به سه مورد کلیدی زیر اشاره دارد:

1. بر اساس مدل سه‌بعدی موجود، این مطالعه به طور خودکار یک نمونه اولیه مجازی کلی از بخش‌های کلیدی ماشین‌آلات کشاورزی ایجاد می‌کند که عملکردهای تشخیص تداخل و تجزیه و تحلیل شبیه‌سازی فیزیکی را یکپارچه می‌کند.
2. پایگاه دانش سیستم داده‌های جدولی به روز شده پویا را به عنوان چارچوب دانش برای استدلال دانش می‌گیرد.
3. با کمک یک رابطه تجسم داده‌ها، سیستم عملیاتی را ارائه می‌دهد.