論文の概要: Artificial Intelligence for Digital Agriculture at Scale: Techniques,
Policies, and Challenges
- arxiv url: http://arxiv.org/abs/2001.09786v1
- Date: Tue, 21 Jan 2020 06:02:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-07 23:44:38.187546
- Title: Artificial Intelligence for Digital Agriculture at Scale: Techniques,
Policies, and Challenges
- Title（参考訳）: 大規模デジタル農業のための人工知能:技術,政策,課題
- Authors: Somali Chaterji, Nathan DeLay, John Evans, Nathan Mosier, Bernard
Engel, Dennis Buckmaster and Ranveer Chandra
- Abstract要約: デジタル農業は農業のスループットを変えるという約束を持っている。
データサイエンスとエンジニアリングを適用して、利用可能なリソースを束縛しながら、入力要素を作物のスループットにマッピングする。
この論文は、次世代のデジタル農業ソリューションの進化に向けて、エンドツーエンドパイプラインを導く重要な疑問をまとめる最初のものである。
- 参考スコア（独自算出の注目度）: 1.1245087602142634
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Digital agriculture has the promise to transform agricultural throughput. It
can do this by applying data science and engineering for mapping input factors
to crop throughput, while bounding the available resources. In addition, as the
data volumes and varieties increase with the increase in sensor deployment in
agricultural fields, data engineering techniques will also be instrumental in
collection of distributed data as well as distributed processing of the data.
These have to be done such that the latency requirements of the end users and
applications are satisfied. Understanding how farm technology and big data can
improve farm productivity can significantly increase the world's food
production by 2050 in the face of constrained arable land and with the water
levels receding. While much has been written about digital agriculture's
potential, little is known about the economic costs and benefits of these
emergent systems. In particular, the on-farm decision making processes, both in
terms of adoption and optimal implementation, have not been adequately
addressed. For example, if some algorithm needs data from multiple data owners
to be pooled together, that raises the question of data ownership. This paper
is the first one to bring together the important questions that will guide the
end-to-end pipeline for the evolution of a new generation of digital
agricultural solutions, driving the next revolution in agriculture and
sustainability under one umbrella.
- Abstract（参考訳）: デジタル農業は農業のスループットを変えると約束している。
データサイエンスとエンジニアリングを適用して、利用可能なリソースを束縛しながら、入力要素を作物のスループットにマッピングする。
また、農業分野におけるセンサ配置の増加に伴ってデータ量や種類が増加するにつれて、分散データの収集やデータの分散処理にもデータエンジニアリングの技術が役立つ。
これらはエンドユーザとアプリケーションのレイテンシ要件が満たされるようにしなければならない。
農業技術とビッグデータが農業生産性をいかに向上させるかを理解することで、制限された耕作地と水位低下に直面した2050年までに世界の食料生産を大幅に増加させることができる。
デジタル農業の可能性について多くが書かれてきたが、これらの創発的なシステムの経済的コストと利益についてはほとんど知られていない。
特に、導入と最適な実装の両面で、現場での意思決定プロセスは適切に対処されていない。
例えば、複数のデータ所有者からのデータをプールするアルゴリズムが必要な場合、それはデータオーナシップの問題を引き起こす。
本稿では,次世代のデジタル農業ソリューションの発展に向けて,エンドツーエンドのパイプラインを導く重要な質問をまとめ,農業と持続可能性の次の革命を一つの傘で推進する。
関連論文リスト
- Generating Diverse Agricultural Data for Vision-Based Farming Applications [74.79409721178489]
このモデルは, 植物の成長段階, 土壌条件の多様性, 照明条件の異なるランダム化フィールド配置をシミュレートすることができる。
我々のデータセットにはセマンティックラベル付き12,000の画像が含まれており、精密農業におけるコンピュータビジョンタスクの包括的なリソースを提供する。
論文 参考訳（メタデータ） (2024-03-27T08:42:47Z) - Data-Centric Digital Agriculture: A Perspective [23.566985362242498]
デジタル農業は、食料、食料、繊維、燃料の需要の増加に対応するために急速に発展している。
デジタル農業における機械学習の研究は、主にモデル中心のアプローチに焦点を当てている。
デジタル農業の可能性を完全に実現するためには、この分野におけるデータの役割を包括的に理解することが不可欠である。
論文 参考訳（メタデータ） (2023-12-06T11:38:26Z) - Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future [130.87142103774752]
このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。
高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。
また、解決を保障する科学的、技術的課題も検討している。
論文 参考訳（メタデータ） (2023-12-06T10:46:53Z) - Empowering Agrifood System with Artificial Intelligence: A Survey of the Progress, Challenges and Opportunities [86.89427012495457]
我々は、AI技術がアグリフードシステムをどう変え、現代のアグリフード産業に貢献するかをレビューする。
本稿では,農業,畜産,漁業において,アグリフードシステムにおけるAI手法の進歩について概説する。
我々は、AIで現代のアグリフードシステムを変革するための潜在的な課題と有望な研究機会を強調します。
論文 参考訳（メタデータ） (2023-05-03T05:16:54Z) - AGI for Agriculture [30.785325834651644]
人工知能(AGI)は、医療、金融、交通、教育など様々な分野に革命をもたらす。
本稿では,農業における農業画像処理,自然言語処理(NLP),ロボット工学,知識グラフ,インフラなどのAGIの今後の応用について述べる。
論文 参考訳（メタデータ） (2023-04-12T19:39:49Z) - Affordable Artificial Intelligence -- Augmenting Farmer Knowledge with
AI [1.9992810351494297]
本稿では,農地の微小気候を予測するためのAI技術について述べる。
この出版物は2016年に開始され、FAOとITUが共同で制作したE-agriculture in Actionシリーズの第5弾である。
農業における既存のAIアプリケーションに対する認識を高め、ステークホルダーに新しいものの開発と複製を促すことを目的としている。
論文 参考訳（メタデータ） (2023-03-04T02:29:52Z) - Synthetic Data: Opening the data floodgates to enable faster, more
directed development of machine learning methods [96.92041573661407]
機械学習における画期的な進歩の多くは、大量のリッチデータを利用できることに起因する。
多くの大規模データセットは、医療データなど高度に敏感であり、機械学習コミュニティでは広く利用できない。
プライバシー保証で合成データを生成することは、そのようなソリューションを提供します。
論文 参考訳（メタデータ） (2020-12-08T17:26:10Z) - Learning from Data to Optimize Control in Precision Farming [77.34726150561087]
特集は、統計的推論、機械学習、精密農業のための最適制御における最新の発展を示す。
衛星の位置決めとナビゲーションとそれに続くInternet-of-Thingsは、リアルタイムで農業プロセスの最適化に使用できる膨大な情報を生成する。
論文 参考訳（メタデータ） (2020-07-07T12:44:17Z) - Farmland Parcel Delineation Using Spatio-temporal Convolutional Networks [77.63950365605845]
ファームパーセル・デライン化は、気候変動政策の開発と管理において重要なカダストラルデータを提供する。
このデータは、極端な気象災害に伴う損害後の補償を評価するための農業保険セクターにも有用である。
衛星画像の利用は、農場の区画整理作業を行うためのスケーラブルで費用対効果の高い方法である。
論文 参考訳（メタデータ） (2020-04-11T19:49:09Z) - Crop Knowledge Discovery Based on Agricultural Big Data Integration [2.597676155371155]
農業データは、IoT(Internet of Thing)、センサー、衛星、気象観測所、ロボット、農業機器、農業実験所、農家、政府機関、農業機関など、さまざまなソースを通じて生成される。
本稿では,他のデータセットやビッグデータモデルを組み込むのに十分なフレキシブルなコンステレーションスキーマを用いた農業データ統合手法を提案する。
論文 参考訳（メタデータ） (2020-03-11T00:13:17Z) - Data Warehouse and Decision Support on Integrated Crop Big Data [0.0]
我々は大陸レベルの農業データウェアハウス(ADW)を設計・実装した。
ADWは,(1)フレキシブルスキーマ,(2)農業用マルチデータセットからのデータ統合,(3)データサイエンスとビジネス用インテリジェントサポート,(4)ハイパフォーマンス,(5)高ストレージ,(6)セキュリティ,(7)ガバナンスと監視,(8)一貫性,可用性,パーティション耐性,(9)クラウド互換性によって特徴付けられる。
論文 参考訳（メタデータ） (2020-03-10T00:10:22Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。