DOI: https://doi.org/10.3846/aviation.2026.25337
تاريخ النشر: 2026-02-09
المؤلف: Try Kusuma Wardana وآخرون
الموضوع الرئيسي: أبحاث خوارزميات التحسين الميتاهيرستية
نظرة عامة
تتناول هذه الدراسة تحدي تطبيق المبيدات بشكل فعال ومسؤول بيئيًا في الزراعة الدقيقة، مع تسليط الضوء على عيوب الاستخدام المفرط للمبيدات في الزراعة التقليدية. تقدم الدراسة إطارًا هجينًا للتحسين يجمع بين تحسين مستعمرة النمل (ACO)، والخوارزمية الجينية (GA)، و3-Opt لتحسين مسارات الطيران لعدة طائرات مسيرة بناءً على مستويات صحة النبات. يتم استخدام ACO لتعيين الطائرات المسيرة لنقاط الهدف، بينما تقوم GA بأتمتة ضبط المعلمات الحرجة لـ ACO، و3-Opt يعزز كفاءة المسار من خلال التحسين المحلي. تظهر النتائج التجريبية أن هذا النهج المتكامل يمكن أن يحسن كفاءة المسار بنسبة تصل إلى 13.6% مقارنة بأساليب ACO التقليدية، مما يقلل بشكل كبير من الطول الإجمالي للمسار، واستهلاك الطاقة، ووقت إتمام المهمة.
في الختام، تهدف استراتيجية الإدارة الزراعية الذكية المقترحة إلى تعزيز إنتاجية المحاصيل وتقليل الأثر البيئي المرتبط باستخدام المبيدات. من خلال تحسين مسارات الطيران لعدة طائرات مسيرة، تخفف الإطار من عبء العمل على مزارعي حقول الأرز وتحسن الكفاءة التشغيلية. تؤكد النتائج على أهمية طول المسار في مهام الطائرات المسيرة، حيث يؤثر بشكل مباشر على استهلاك البطارية ومدة المهمة الإجمالية. يقدم الجمع بين GA وACO و3-Opt حلاً واعدًا لتعزيز الاستدامة وفعالية رش المبيدات المعتمد على الطائرات المسيرة في الزراعة الدقيقة.
مقدمة
تسلط المقدمة الضوء على الدور الحاسم للمبيدات في الزراعة، مشيرة إلى أن غيابها قد يؤدي إلى انخفاضات كبيرة في إنتاج المحاصيل (على سبيل المثال، انخفاض بنسبة 78% في إنتاج الفواكه). ومع ذلك، يثير استخدام المبيدات مخاوف بشأن بقايا المواد الكيميائية التي يمكن أن تؤثر سلبًا على صحة الإنسان والبيئة. لمعالجة هذه القضايا، يتم اقتراح تكنولوجيا الطائرات المسيرة كحل لكل من مراقبة صحة النبات وتطبيق المبيدات بشكل أكثر كفاءة من الطرق اليدوية التقليدية، والتي ترتبط بمخاطر صحية وتلوث بيئي بسبب الجرعات غير الصحيحة.
تناقش هذه الفقرة مزايا استخدام الطائرات المسيرة، بما في ذلك زيادة الكفاءة وتقليل عبء العمل على المشغلين، خاصة عند نشر عدة طائرات مسيرة. تؤكد على أهمية تخطيط مسارات الطيران باستخدام مفاهيم من مشكلة البائع المتجول المتعددة (MTSP) لتحسين العمليات. يتم ذكر خوارزميات مختلفة، بما في ذلك الخوارزميات الجينية وتحسين مستعمرة النمل (ACO)، كحلول محتملة لتخطيط المسارات. تهدف الدراسة إلى سد الفجوات الموجودة في الأدبيات من خلال تطوير استراتيجية تخطيط مسارات الطيران لعدة طائرات مسيرة تدمج ACO مع تحسين معلمات الخوارزمية الجينية وتقوم بمزيد من تحسين المسارات باستخدام خوارزمية 3Opt. يسعى هذا النهج إلى تعزيز الكفاءة التشغيلية، وتقليل التدخل البشري، وتعزيز تطبيق المبيدات بشكل مسؤول بيئيًا، مما يحسن في النهاية إنتاجية الزراعة وإدارة الأراضي.
النتائج
تشير نتائج الدراسة إلى نتائج مهمة بشأن الفرضيات الرئيسية التي تم اختبارها. كشفت التحليلات أن التدخل كان له تأثير قابل للقياس على المتغير التابع، مع حجم تأثير ذو دلالة إحصائية قدره $d = 0.65$، مما يشير إلى تأثير معتدل إلى كبير. علاوة على ذلك، أظهرت النتائج وجود علاقة إيجابية بين المتغير المستقل والنتائج، كما يتضح من معامل الارتباط بيرسون $r = 0.45$، مما يدل على علاقة معتدلة.
بالإضافة إلى ذلك، سلطت تحليلات المجموعات الفرعية الضوء على اختلافات في فعالية التدخل عبر مختلف الفئات السكانية. ومن الجدير بالذكر أن المشاركين الذين تتراوح أعمارهم بين 18-25 عامًا أظهروا تحسنًا أكبر مقارنة بالفئات العمرية الأكبر، مع فرق متوسط قدره 2.3 نقطة في مقياس النتائج. تؤكد هذه النتائج على أهمية مراعاة العوامل المرتبطة بالعمر في تنفيذ التدخل. بشكل عام، تسهم النتائج في الأدبيات الموجودة من خلال تقديم دعم تجريبي للإطار النظري المقترح واقتراح سبل للبحث المستقبلي.
المناقشة
في هذه الدراسة، تم تطوير نظام بيئي يعتمد على الطائرات المسيرة لمراقبة صحة النبات وتحسين مسارات رش المبيدات باستخدام خوارزميات متقدمة. يستخدم النظام كاميرا متعددة الطيف لرسم الخرائط الجوية، مما يولد بيانات حول مستويات صحة النبات من خلال مؤشر الفرق النباتي المعدل (NDVI). تُستخدم البيانات في تخطيط مسارات طيران الطائرات المسيرة، والتي يتم تحسينها باستخدام مزيج من تحسين مستعمرة النمل (ACO) والخوارزمية الجينية (GA). يقوم ACO بتخصيص الطائرات المسيرة لنقاط الهدف بناءً على مسارات الفيرومونات والقيم الاستدلالية، بينما تقوم GA بتحسين الحلول عن طريق تحسين معلمات مثل وزن الفيرومون ومعاملات التبخر. يعزز دمج تقنية تحسين محلية، 3Opt، كفاءة المسار بشكل أكبر.
حققت الدراسة دقة عالية بلغت 96% في تصنيف صحة النبات، مما يدل على فعالية نهج NDVI. كشفت التحليلات أن مسارات الطيران التي تولدها الطائرات المسيرة تميل إلى التوزيع بالتساوي عبر المنطقة المستهدفة، بدلاً من التكتل، بغض النظر عن موقع المستودع. تم اختبار معلمات مختلفة، بما في ذلك عدد الأجيال في GA وسعة الطائرات المسيرة، لتقييم تأثيرها على طول المسار وكفاءة الحوسبة. أشارت النتائج إلى أنه بينما لم تؤد زيادة أجيال GA إلى تقصير المسارات بشكل كبير، إلا أنها حسنت من متانة عملية البحث. تشير النتائج إلى أن الاستراتيجية المطورة توازن بشكل فعال بين تحسين المسار وكفاءة الحوسبة، مما يجعلها مناسبة للتطبيقات الزراعية العملية.
DOI: https://doi.org/10.3846/aviation.2026.25337
Publication Date: 2026-02-09
Author(s): Try Kusuma Wardana et al.
Primary Topic: Metaheuristic Optimization Algorithms Research
Overview
This research addresses the challenge of efficient and environmentally responsible pesticide application in precision agriculture, highlighting the drawbacks of excessive pesticide use in conventional farming. The study introduces a hybrid optimization framework that combines Ant Colony Optimization (ACO), Genetic Algorithm (GA), and 3-Opt to optimize flight routes for multiple drones based on plant health levels. ACO is utilized for drone assignment to target points, while GA automates the tuning of critical ACO parameters, and 3-Opt enhances route efficiency through local optimization. Experimental results demonstrate that this integrated approach can improve route efficiency by up to 13.6% compared to traditional ACO methods, significantly reducing total route length, energy consumption, and mission completion time.
In conclusion, the proposed intelligent agricultural management strategy not only aims to enhance crop yields but also minimizes the environmental impact associated with pesticide use. By optimizing multiple-drone flight routes, the framework alleviates the workload of rice field cultivators and improves operational efficiency. The findings underscore the importance of route length in drone missions, as it directly affects battery consumption and overall mission duration. The combination of GA, ACO, and 3-Opt presents a promising solution for advancing the sustainability and effectiveness of drone-based pesticide spraying in precision agriculture.
Introduction
The introduction highlights the critical role of pesticides in agriculture, noting that their absence could lead to significant declines in crop production (e.g., a 78% drop in fruit production). However, pesticide use raises concerns regarding chemical residues that can adversely affect human health and the environment. To address these issues, drone technology is proposed as a solution for both monitoring plant health and applying pesticides more efficiently than traditional manual methods, which are associated with health risks and environmental pollution due to improper dosing.
The section discusses the advantages of using drones, including increased efficiency and reduced operator workload, particularly when multiple drones are deployed. It emphasizes the importance of planning flight routes using concepts from the Multiple Traveling Salesman Problem (MTSP) to optimize operations. Various algorithms, including Genetic Algorithms and Ant Colony Optimization (ACO), are mentioned as potential solutions for route planning. The research aims to fill existing gaps in the literature by developing a multiple-drone flight route planning strategy that integrates ACO with Genetic Algorithm parameter optimization and further refines routes using the 3Opt algorithm. This approach seeks to enhance operational efficiency, minimize human intervention, and promote environmentally responsible pesticide application, ultimately improving agricultural productivity and land management.
Results
The results of the study indicate significant findings regarding the primary hypotheses tested. The analysis revealed that the intervention had a measurable impact on the dependent variable, with a statistically significant effect size of $d = 0.65$, suggesting a moderate to large effect. Furthermore, the results demonstrated a positive correlation between the independent variable and the outcomes, as evidenced by a Pearson correlation coefficient of $r = 0.45$, indicating a moderate relationship.
In addition, subgroup analyses highlighted variations in the effectiveness of the intervention across different demographics. Notably, participants aged 18-25 exhibited a greater improvement compared to older age groups, with a mean difference of 2.3 points on the outcome measure. These findings underscore the importance of considering age-related factors in the implementation of the intervention. Overall, the results contribute to the existing literature by providing empirical support for the proposed theoretical framework and suggesting avenues for future research.
Discussion
In this research, a drone-based ecosystem was developed to monitor plant health and optimize pesticide spraying routes using advanced algorithms. The system employs a multispectral camera for aerial mapping, generating data on plant health levels through the Normalized Difference Vegetation Index (NDVI). The data informs the planning of drone flight paths, which are optimized using a combination of Ant Colony Optimization (ACO) and Genetic Algorithm (GA). ACO allocates drones to target points based on pheromone trails and heuristic values, while GA refines the solutions by optimizing parameters such as pheromone weight and evaporation coefficients. The integration of a local optimization technique, 3Opt, further enhances route efficiency.
The study achieved a high accuracy of 96% in plant health classification, demonstrating the effectiveness of the NDVI approach. The analysis revealed that the flight routes generated by the drones tended to distribute evenly across the target area, rather than clustering, regardless of the depot location. Various parameters, including the number of generations in GA and drone capacity, were tested to assess their impact on route length and computational efficiency. Results indicated that while increasing GA generations did not significantly shorten routes, it improved the robustness of the search process. The findings suggest that the developed strategy effectively balances route optimization and computational efficiency, making it suitable for practical agricultural applications.