به اطلاع شرکت کنندگان محترم می رساند اگر مقالات بصورت مروری باشد، نیاز است مقاله ی ارسالی بصورت مقاله ی کامل بارگزاری شود و چنانچه مقاله ی ارسالی حاصل از کار پژوهشی باشد، چکیده ی آن می بایست تحت قالب فایل زیر تهیه و بارگزاری شود:

پس از انجام مراحل داوری، وضعیت مقالات به سه صورت رد مقاله، پذیرش به صورت ارائه ی شفاهی (سخنرانی) و یا پذیرش به عنوان ارائه بصورت  پوستر تغییر خواهد کرد .

آن دسته از مقالاتی که به صورت پوستر پذیرفته خواهد شد، متن مقاله طبق قالب زیر تهیه و به ایمیل (h.bakhshabadi@yahoo.com) ارسال گردد:

همچنین آن دسته از مقالاتی که به صورت سخنرانی پذیرفته خواهد شد، می بایست فایل سخنرانی را در نرم افزار پاورپوینت تهیه نموده و در زمان ارائه همراه داشته باشید. فرمت ویژه ای برای تهیه فایل سخنرانی وجود ندارد. شخص ارائه دهنده در انتخاب رنگ، نوع قلم، طراحی و ... برای فایل سخنرانی کاملا دارای اختیار می باشد. فایل سخنرانی بایستی از چهارچوب علمی پیروی کند و دارای بخش های مقدمه، مواد و روش ها، نتایج، بحث و نتیجه گیری باشد. مدت زمان در نظر گرفته شده برای ارائه 10 دقیقه می باشد. لطفا زمان ذکر شده را در سخنرانی رعایت و مطالب را مطابق با آن تنظیم نمایید. پس از سخنرانی 5 دقیقه برای پرسش و پاسخ در نظر گرفته خواهد شد.

 


نام:
نام خانوادگی:
شماره تلفن:
متن:
کد تصویر:

جواد رمضانی اول ریابی نوشته:

استان خراسان جنوبی با تولید 98 درصد زرشک بی‌دانه در ایران، در جایگاه پیش‌رو تولید این محصول استراتژیک قرار دارد. زرشک به‌عنوان یک محصول با ارزش غذایی و دارویی، نقش مهمی در معیشت بیش از 40 هزار خانوار در این استان ایفا می‌کند. درختچه‌های زرشک بی‌دانه، همانند سایر گیاهان زراعی، تحت تأثیر آفات و بیماری‌های مختلف قرار دارند. در سال‌های اخیر، شیوع بیماری زنگ جارویی زرشک که ناشی از قارچ Puccinia arrhenatheri است، در باغ‌های زرشک استان گسترش یافته است. یکی از اهداف اساسی این مطالعه، توسعه یک مدل هوش مصنوعی است که قادر به شناسایی و طبقه‌بندی بیماری زنگ جارویی زرشک باشد. با توجه به شیوع این بیماری در باغ‌های زرشک استان، شناسایی به موقع آن می‌تواند به کشاورزان کمک کند تا اقدامات لازم را برای کنترل و مدیریت بیماری انجام دهند. این مدل باید توانایی تشخیص دقیق نوع بیماری و شدت آن را داشته باشد تا بتواند اطلاعات مفیدی برای تصمیم‌گیری‌های مدیریتی فراهم کند. برای این منظور، تصاویر برگ‌های آلوده و سالم زرشک با استفاده از دوربین تلفن همراه هوشمند، جمع‌آوری شد. این تصاویر توسط یک متخصص گیاه‌پزشکی به دو دسته سالم و آلوده تفکیک شدند. در این تحقیق، مدلی مبتنی بر شبکه‌های عصبی پیچشی طراحی و پیاده‌سازی شد که توانست با دقت 97 درصد نوع بیماری و شدت آن را شناسایی کند. این مطالعه به‌وضوح نشان‌دهنده اهمیت و قابلیت‌های هوش مصنوعی در شناسایی و مدیریت بیماری‌های گیاهی، به‌ویژه در مورد زرشک بی‌دانه  است. با توجه به گسترش بیماری زنگ جارویی زرشک و تأثیرات منفی آن بر تولید و معیشت کشاورزان، استفاده از تکنیک‌های نوین هوش مصنوعی، مانند شبکه‌های عصبی پیچشی می‌تواند به‌عنوان یک ابزار مؤثر در کشاورزی مدرن مطرح شود.


پاسخ:

با سلام و ادب

امکان ارزیابی مقالات مروری فقط به صورت کامل امکان پذیر می باشد لطفا اگر مقاله ای دارید و به صورت مروری می باشد آنرا از طریق پروفایل کاربری خود ارسال نمایید :

با تشکر

تاریخ:1403/10/20 1:04:58 AM