الملخص

الحشرات موجودة في كل مكان وفي أي وقت وقادرة على التسبب في العديد من المشاكل، بما في ذلك في المنازل والمزارع والصحة العامة. نظرًا لأن الطريقة التقليدية لتحديد وتصنيف أنواع الحشرات يمكن أن تستغرق وقتًا طويلاً وعرضة للأخطاء، فهناك حاجة ملحة لطرق أكثر كفاءة ودقة. برز التعلم الآلي كأداة لاكتشاف الحشرات وتصنيفها، باستخدام الخوارزميات لمعالجة كميات هائلة من البيانات واستخراج الميزات ذات الصلة. يهدف هذا المسح الشامل إلى تقديم لمحة عامة عن أحدث تطورات اكتشاف الحشرات وتصنيفها باستخدام التعلم الآلي في التطبيقات الحديثة. يغطي الاستطلاع مواضيع مختلفة، بما في ذلك الأنواع الشائعة من الحشرات، والتحديات في اكتشاف وتصنيف أنواع الحشرات، والتقنيات والخوارزميات المستخدمة في هذا المجال. لذلك، قد تؤدي أتمتة هذه العملية إلى تقليل النفقات وتحسين الدقة والتحليلات القابلة للتطوير. يوفر المسح أيضًا نظرة عامة شاملة على خوارزميات التعلم الآلي المختلفة لاكتشاف الحشرات وتصنيفها، بما في ذلك خوارزميات التعلم الخاضعة للإشراف وغير الخاضعة للإشراف مثل آلات ناقلات الدعم، والغابات العشوائية، والجيران الأقرب لـ k، والشبكات العصبية الالتفافية، والتكتل، واكتشاف الشذوذ. يسلط المسح الضوء على مزايا وقيود كل خوارزمية وتطبيقاتها الخاصة. لذلك، يقترح هذا البحث استبيانًا يأخذ في الاعتبار قواعد بيانات البحث الرقمية لعلوم الكمبيوتر التالية: IEEE، وScience Direct، وScopus  ،و Springer Link، و Web of Science. تمت مناقشة الاتجاهات والعقبات الحالية في الاكتشاف في جميع الأوراق المنشورة بين عامي 2018 و2022. تُظهر النتائج كيف يمكن استخدام استراتيجيات التعلم العميق مثل الشبكات العصبية الالتفافية، واستخراج الميزات المحسّن، وتجاهل التجزئة في الممارسة.