YOSH OLIMLAR
ILMIY-AMALIY KONFERENSIYASI
in-academy.uz/index.php/yo
47
AI TEXNOLOGIYALARI - TAHLILIY IMKONIYATLAR ESHIGI
Jabborxonov Tursunxo‘ja Qaxramon o‘g‘li
Andijon davlat universiteti mustaqil tadqiqotchisi
Email: Tursunxo'ja@gmail.com
https://doi.org/10.5281/zenodo.16924778
AI texnologiyalari faqat tasvir emas, balki
vaqt qatlamidagi ma’lumotlar
bilan ishlash,
yoki bir-biriga bog‘liq ko‘p o‘lchovli datasetlarni integratsiya qilishda ham yordam beradi.
Misol uchun, zararkunanda populyatsiyasining kelgusi haftalardagi dinamikasini oldindan
aytish uchun
rekurrent neyron tarmoq
(RNN) yoki
lSTM
modellaridan foydalanish mumkin –
bunda hozirgi momentdagi entomologik holat, ob-havo prognozi, agrotexnik chora-tadbirlar
kiritilib, model keyingi trendni bashorat qiladi. Ba’zi tajribalarda AI asosida sintez qilingan
shunday
bashorat modeli
uch oygacha oldindan zararkunanda rivojlanishini 90 %ga yaqin
aniqlikda to‘g‘ri taxmin qilgani qayd etilgan (bu borada AI texnologiyalari agronomik qarorlar
qabul qilishda kuchli vosita sifatida ko‘rilmoqda).
Andijon viloyati
kabi hududlarda AI modellarini joriy etish uchun avvalo mahalliy
sharoitda yetarli ma’lumotlar yig‘ilishi lozim. Kelgusida, masalan, har bir tumanda pomidor
ekilgan maydonlar, har birida kuzatilgan zararkunandalar va ularning soni, tutilgan kapalaklar
miqdori, shu paytdagi ob-havo va agrotexnika ma’lumotlari bazasi yaratilsa – AI yordamida
ulkan
tahliliy imkoniyatlar
eshigi ochiladi. Modellar qaysi hududda qachon Tuta absoluta
ko‘proq ko‘payishini, yoki qaysi ferma usullari (masalan, sug‘orish turi yoki ekish ketma-
ketligi) zararkunandalarning avj olishiga ta’sir etishini ham aniqlab berishi mumkin. Bundan
tashqari, sun’iy intellekt yordamida
erta ogohlantirish tizimlari
ni avtomatlashtirish mumkin:
masalan, agar biror tuman atrofida qo‘yilgan feromon tuzoqlardan ma’lum vaqtda kapalaklar
tutilish soni keskin oshsa va model buning epidemiyaga aylanish ehtimoli yuqori deb baholasa,
tizim darhol xabar jo‘natadi. Bu xabar klasterdagi barcha fermerlarga SMS yoki ilova orqali
yetib boradi va ular pestitsid purkash yoki boshqa zarur choralarni ko‘rishga kirishadi.
AI va mashinaviy o‘qitish modellarining yana bir foydali jihati –
ma’lumotlarning
yashirin qonuniyatlarini
ham aniqlashidir. Masalan, oddiy kuzatuvda biz pomidor kuzgi
hosili nega ayrim yili ko‘proq zararlanib, ayrim yili kamroq zararlanadi deb hayron bo‘lishimiz
mumkin. Modellar esa o‘nlab o‘zgaruvchi orasidan eng ta’sirlilarini ajratib, “agar o‘rtacha
bahorgi temperatura falon daraja issiq bo‘lsa, yozda Tuta absoluta erta avj oladi” kabi
xulosalarni bera oladi. Bu esa iqlim o‘zgarishi sharoitida moslashuv choralarini ham belgilashda
qo‘l keladi. Haqiqatan ham, iqlimning isishi bilan ko‘plab zararkunandalarning hayot sikli
tezlashib, areali kengayib borayotgani haqida ma’lumotlar mavjud – demak, AI yordamida
hududiy iqlim prognozlari asosida zararkunandalarning potensial tarqalish xavfini ham
oldindan baholash mumkin.
Monitoring samaradorligini oshirish va erta ogohlantirish tizimlari
Yuqorida ko‘rib o‘tilgan texnologiya va usullarni majmuaviy qo‘llash natijasida pomidor
zararkunandalarini nazorat qilish samaradorligini bir necha barobar oshirish, eng muhimi –
zararni oldini olish
imkoniyatlari paydo bo‘ladi. An’anaviy kurash choralarida aksar hollarda
fermerlar zararkunanda dalani qattiq qoplab, hosil xavf ostida qolganidan keyingina kimyoviy
ishlovga o‘tardi. Bunda kechikish tufayli hosilning bir qismi allaqachon nobud bo‘lar edi.
Erta
ogohlantirish tizimi
esa zararkunanda hali avj olmasdan turib ogohlantirish berib, fermerlar
va mutasaddilarni shoshilinch choralar ko‘rishga undaydi.
YOSH OLIMLAR
ILMIY-AMALIY KONFERENSIYASI
in-academy.uz/index.php/yo
48
Bunday tizimni yaratish uchun avvalo monitoringning o‘zi uzluksiz va kompleks bo‘lishi
shart. GIS, masofaviy zondlash va AI vositalari bir-birini to‘ldiruvchi tarzda integratsiya
qilinadi. Masalan,
Invasive Pest Management (ArcGIS)
yechimida hududga tuzoqlarni to‘g‘ri
taqsimlash, ulardan ma’lumotlarni onlayn yig‘ish, natijalarni boshqaruv panelida kuzatish va
hatto jamoatchilik bilan ulashish imkoniyatlari jamlangan. Bunday yondashuv
proaktiv
monitoring
deb ataladi – u zarar ko‘rgan maydonlarni davolashdan ko‘ra, zarar
yetkazilishining oldini olishga qaratilgan. Misol uchun, Andijonda bir tumanda pomidor kuyasi
kapalaklari ko‘paygani qayd etilsa, erta ogohlantirish tizimi darhol qo‘shni tumanlar va xuddi
shu vaqtga yaqin pomidor pishib yetilayotgan boshqa hududlarga xabar uzatadi. Bu xabarda
zararkunandaning potensial xuruji haqida ma’lumot va ehtimoliy
tavsiya choralari
(masalan,
tezkor bioinsektitsid sepish yoki feromonli tuzoqlarni ko‘paytirish) keltiriladi.
Erta ogohlantirish tizimlarida nafaqat davlat xizmatlari, balki
dehqonlarning o‘zi va
aholining
ishtiroki ham katta rol o‘ynaydi. Maxsus mobil ilovalar yoki veb-platformalar orqali
oddiy bog‘bonlar o‘z tomorqasida g‘alati kuya uchib yurganini yoki barglarda noma’lum shaxta
dog‘lari paydo bo‘lganini xabar qilishlari mumkin. Masalan, ArcGIS Survey123 kabi vositalar
yordamida aholi
zararkunanda topilgani haqida xabar
yuborsa, u avtomatik ravishda tizim
xaritasida nuqta sifatida paydo bo‘ladi. Mutaxassislar buni tekshirib, tasdiqlasa, mazkur nuqta
atrofida xavf zonasi e’lon qilinadi va qo‘shni fermerlarga ham ogohlantirish ketadi.
Jamoatchilikni jalb etish orqali tezkor aloqa o‘rnatish bugungi kunda invaziv
zararkunandalarga qarshi kurashning muhim qismi bo‘lib bormoqda.
Monitoring samaradorligini oshirishning yana bir yo‘li –
avtomatlashtirish va IoT
(Internet of Things)
elementlarini jalb qilishdir. Masalan, aqlli feromon tuzoqlari ishlab
chiqilmoqda: bu qurilmalarda kichik kamera yoki sensor o‘rnatilib, tuzoqqa tushgan
hasharotlarni joyida avtomatik aniqlaydi va onlayn tizimga signal uzatadi. Shunday tuzoq
Andijonning har bir qishlog‘ida bittadan o‘rnatilganini tasavvur qilaylik – natijada, viloyatda
qayerda va qachon ilk kapalak paydo bo‘lganini bir vaqtning o‘zida bilish mumkin bo‘ladi. Bu
axborot esa AI model yordamida tahlil qilinib, kelasi haftalarda zararkunanda populatsiyasi
qayerlarda ko‘payishi mumkinligi haqida prognoz chiqadi. Prognoz ishonchli bo‘lsa, shu
hududlarga oldindan biologik kurash agentlarini (parazit ari yoki entomopatogen zamburug‘)
qo‘yib yuborish, yoki himoya tarmoqlarini tortish kabi choralarga kirishiladi.
Xulosa
o‘rnida aytish mumkinki, pomidor kabi xalq xo‘jaligida muhim ekinlarni
zararkunandalardan himoya qilish bugungi kunda faqat pestitsid sepishga emas, balki
integratsiyalashgan monitoring va erta ogohlantirish tizimlari
ga asoslanishi kerak. GIS
bizga zararkunandalarni makoniy anglash va hujum o‘choqlarini belgilashda qo‘l kelsa,
masofaviy zondlash ularni keng va tez ko‘lamda kuzatish imkonini bermoqda. Sun’iy intellekt
esa katta ma’lumotlar oqimidan mazmunli bilim hosil qilib, inson ko‘zi ilg‘amas qonuniyat va
xavflarni oldindan ko‘ra bilmoqda. Andijon viloyati misolida bunday yondashuvlarni joriy etish
nafaqat hosilni saqlab qolish, balki umumiy agrosanoat barqarorligini ta’minlashga xizmat
qiladi. Zero, tezkor va ilmiy asoslangan monitoring – bu zararkunandalarni “qo‘lga tushirish”
va ulardan bir qadam oldinda bo‘lishning eng samarali yo‘lidir.
YOSH OLIMLAR
ILMIY-AMALIY KONFERENSIYASI
in-academy.uz/index.php/yo
49
References:
Используемая литература:
Foydalanilgan adabiyotlar:
1.
Shermatov M.R. va boshqalar.
Farg‘ona vodiysi tangachaqanotli hasharotlar faunasining
agroekotizimlarda taqsimlanish xususiyatlari
. – CyberLeninka elektron kutubxonasi (2022).
2.
Saidov N. va boshqalar.
First report of invasive South American tomato leaf miner Tuta
absoluta in Tajikistan
. – Florida Entomologist jurnalidagi maqola (2018).
3.
EPPO (European Plant Protection Organization) ma’lumotlari.
First report of Tuta
absoluta in Tajikistan
(2018) – EPPO Global Database xabarnomasi.
4.
AVRDС (World Vegetable Center) faktlar varag‘i:
Tuta absoluta – Tomato Leaf Miner
(2016).
