به گزارش روز شنبه گروه علمی ایرنا از دانشگاه تهران، این دستاورد تاکنون به انتشار چهار مقاله علمی در مجلات معتبر بینالمللی و تعریف و اجرای مجموعهای از رسالهها و پایاننامههای تحصیلات تکمیلی در حوزه تکثیر و اصلاح ارکیده منجر شده است.
این پروژه پژوهشی بینرشتهای، توسط شیرین دیانتی دیلمی عضو هیأت علمی دانشکده فناوری کشاورزی دانشگاه تهران که با همکاری کیوان آصفپور وکیلیان عضو هیأت علمی دانشگاه گرگان در بحث Machine Learning انجام شده است که با هدف مدیریت هوشمند عوامل مؤثر بر رشد و نمو درونشیشهای ارکیده فالانوپسیس، تلفیقی از علوم باغبانی و هوش مصنوعی است و طی آن از ظرفیت روشهای یادگیری ماشین برای بهینهسازی شرایط کشت بافت گیاهی بهره گرفته است.
نتایج این پژوهش، نشان میدهد که میتوان با استفاده از مدلهای هوشمند، محیطهای کشت مناسبتری برای افزایش رشد، بهبود ویژگیهای مورفولوژیک و بیوشیمیایی و ارتقای کیفیت تولید این گیاه زینتی ارزشمند طراحی کرد.
بهکارگیری روشهای یادگیری ماشین در علوم گیاهی و کشت بافت، افقهای جدیدی را برای تولید هوشمند گیاهان زینتی گشوده است. نتایج این پروژه نشان میدهد که تلفیق هوش مصنوعی با فناوریهای نوین کشاورزی، میتواند ضمن کاهش هزینهها و زمان تولید، به افزایش بهرهوری و ارتقای کیفیت محصولات گیاهی منجر شود و زمینهساز توسعه پژوهشهای میانرشتهای در دانشگاه تهران باشد.
دستاوردهای این بخش از پروژه، تاکنون در قالب چهار مقاله علمی در مجلات معتبر بینالمللی منتشر شده است. مقاله «بهبود جذب نیتروژن و رشد گیاهچههای فالانوپسیس با بهینهسازی عناصر پرمصرف مبتنی بر یادگیری ماشین» و مقاله «تحول در کشت درونشیشهای؛ بهینهسازی مواد غذایی برای ارتقای ویژگیهای مورفولوژیک و بیوشیمیایی ارکیده فالانوپسیس با استفاده از یادگیری ماشین» در سال ۲۰۲۵ در مجله Plant Cell, Tissue and Organ Culture (PCTOC) منتشر شدند.
همچنین مقاله «بهینهسازی مبتنی بر شبکههای عصبی مصنوعی کایتوزان و ۲۴- اپیبراسینولید برای ارتقای رشد گیاهچههای فالانوپسیس در شرایط درونشیشهای» در سال ۲۰۲۶ در همین مجله به چاپ رسیده است. مقاله چهارم نیز با عنوان «شناسایی شرایط بهینه اختصاصی اندامهای گیاهی برای تأمین عناصر غذایی، کیفیت نور، وضعیت رشد گیاه …
