نموذج ذكاء اصطناعي لتوقع احتياج الري للمحاصيل الزراعية بدقة عالية (98%)

هذا المشروع يهدف إلى بناء نموذج ذكاء اصطناعي قادر على التنبؤ باحتياج الأراضي الزراعية للري (منخفض – متوسط – مرتفع) اعتمادًا على مجموعة من العوامل البيئية والزراعية مثل رطوبة التربة، درجة الحرارة، كمية الأمطار، نوع التربة، ونوع المحصول. تم العمل على معالجة البيانات وتنظيفها والتعامل مع القيم الشاذة، بالإضافة إلى إنشاء خصائص جديدة (Feature Engineering) تعكس العلاقة بين العوامل المختلفة مثل تأثير الحرارة على الرطوبة ومعدل التبخر. كما تم تحويل البيانات الفئوية إلى صيغة رقمية باستخدام تقنيات الترميز المناسبة، وتطبيق عمليات القياس (Scaling) لتحسين أداء النموذج. تم استخدام تقنيات تعلم الآلة والتعلم العميق (Deep Learning) لبناء نموذج تصنيف متعدد الفئات، مع الاعتماد على أساليب متقدمة مثل K-Fold Cross Validation لضمان استقرار النتائج، وPseudo-Labeling لتحسين دقة التنبؤ، بالإضافة إلى دمج أكثر من نموذج (Ensemble) للوصول إلى أفضل أداء ممكن. حقق النموذج دقة عالية تقارب 98%، مما يجعله أداة فعالة لدعم اتخاذ القرار في إدارة الموارد المائية، وتقليل هدر المياه، وتحسين كفاءة الري في القطاع الزراعي. ?️ التقنيات المستخدمة Python – Pandas – NumPy – Scikit-learn – TensorFlow / Keras – Kaggle مخرجات المشروع نموذج تنبؤي جاهز للاستخدام ملف Submission مطابق لمتطلبات Kaggle Pipeline متكامل من معالجة البيانات حتى التنبؤ النهائي