الملخص

في الزراعة، من الضروري اتخاذ قرارات مستنيرة فيما يتعلق باختيار المحاصيل لضمان أعلى إنتاج ممكن واستخدام الموارد المتاحة. تلعب عوامل الطقس، وخاصة أنماط هطول الأمطار، تأثيرًا كبيرًا في تحديد نوع المحصول الذي تتم زراعته. ونتيجة لذلك، أصبح دمج استراتيجيات التعلم الآلي في إنشاء نظام توصيات المحاصيل بناءً على بيانات هطول الأمطار أمرًا ضروريًا. وتأتي هذه الأهمية من حقيقة أن العالم يواجه تحديات تحفز البحث على الجمع بين التقنيات للتخفيف من هذه القضايا في قطاع الزراعة مثل ظاهرة الاحتباس الحراري والجفاف والتلوث. في هذا البحث، أصدرنا ورقة بحثية تناولت أحدث التطورات في التعلم الآلي في المجال العلمي الزراعي. الهدف الأساسي من هذا البحث هو استكشاف الفوائد التي يمكن استخلاصها من استخدام التعلم الآلي في أنظمة التوصية للأغراض الزراعية. بحثت هذه الورقة في منهجيات التعلم الآلي المختلفة، مثل أجهزة المتجهات الداعمة (SVM)، والشبكات العصبية النواة (KNN)، والغابات العشوائية. وخلص البحث إلى أن الآليات الحالية المستخدمة في اتخاذ القرارات في نظام التوصية تعتمد جميعها على تقنيات التعلم الآلي الخاضعة للإشراف والتي تتطلب تدريب المعرفة القائمة على النموذج. وبالتالي، يوصى بإجراء مزيد من البحث في هذا المجال للحصول على دقة أفضل وتقليل الوقت اللازم لتدريب النموذج.