عنوان :
كاربرد هوش مصنوعي در مديريت و حفاظت از محيط طبيعي سواحل جنوبي ايران (مطالعه موردي: صخرههاي مرجاني)
عنوان به انگليسي :
Application of artificial intelligence in the management and protection of the natural environment of the southern coasts of Iran (Case study: coral reefs)
نويسنده اصلي :
محمدي احمدآبادي فرشته Mohammadi Ahmadabadi Fereshteh
استاد راهنما :
علوي كامليا Alavi Camelia
استاد مشاور :
اسماعيلزاده مرجان Esmaeilzadeh Marjan
رشته تحصيلي :
علوم و مهندسي محيط زيست گرايش تنوع زيستي
مقطع تحصيلي :
كارشناسي ارشد
دانشكده :
كشاورزي و منابع طبيعي
گروه :
علوم و مهندسي محيط زيست
كليدواژه فارسي :
حفاظت سواحل , محيط زيست دريايي , صخرههاي مرجاني , هوش مصنوعي , طبقهبندي تصاوير
كليدواژه لاتين :
Coastal protection , Marine environment , Coral reefs , Artificial intelligence , Image classification
چكيده :
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.
چكيده انگليسي :
Protecting the environment, especially the marine environment, which countries benefit from its health and dynamism, is vital. The coasts of the Persian Gulf and the Sea of Oman have sensitive habitats such as coral ecosystems. But unfortunately, despite having a valuable and unique biodiversity, these areas have suffered from various types of pollution, including oil compounds, various types of waste and sewage, which has not only polluted the waters of those areas, but also It has also affected organisms such as corals, which are considered as a rich ecosystem in organisms. Urban management can enter a new stage through information technology and communication. Different artificial intelligence approaches such as artificial neural networks are very practical and accurate in the process of modeling dynamic systems. Therefore, in this research, artificial intelligence has been used to classify the images of waters and coral reefs in the southern regions of Iran. The main goal of this research is to determine the effectiveness of artificial intelligence methods in the management and protection of the southern coast of Iran. For this purpose, images of polluted and healthy water and sick and healthy corals have been used. 10% of images were used as test data and 90% as training data. Next, with the help of machine learning algorithms and convolutional neural network methods, the images were classified. MATLAB software has been used for modeling. In binary classification, the model with 4 convolution layers and Adam optimization function became the most efficient model with 95% accuracy and 0.2% error. VGG-16 neural network was used in the category classification of images, the accuracy of which was 98%. Among the used machine learning algorithms, logistic regression method and support vector machine were the most efficient algorithms with 73% accuracy. According to the obtained results, artificial intelligence, especially convolutional neural network methods, can help in environmental protection and intelligent management.
تاريخ دفاع :
6/28/2023 12:00:00 AM
واردكننده اطلاعات :
فرشته محمدي احمدآبادي
