論文の概要: IGrow: A Smart Agriculture Solution to Autonomous Greenhouse Control
- arxiv url: http://arxiv.org/abs/2107.05464v1
- Date: Tue, 6 Jul 2021 11:35:50 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-18 12:28:52.271297
- Title: IGrow: A Smart Agriculture Solution to Autonomous Greenhouse Control
- Title（参考訳）: IGrow: 自律的な温室管理のためのスマート農業ソリューション
- Authors: Xiaoyan Cao, Yao Yao, Lanqing Li, Wanpeng Zhang, Zhicheng An, Zhong
Zhang, Shihui Guo, Li Xiao, Xiaoyu Cao, and Dijun Luo
- Abstract要約: スマート農業ソリューション,すなわちiGrowを提案する。
私たちはIoTとクラウドコンピューティング技術を使って、成長するデータを測定し、収集し、管理しています。
私たちのソリューションは生産量(商業的に販売可能な果物)と純利益を大幅に増加させます。
- 参考スコア（独自算出の注目度）: 8.344829083719857
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Agriculture is the foundation of human civilization. However, the rapid
increase and aging of the global population pose challenges on this cornerstone
by demanding more healthy and fresh food. Internet of Things (IoT) technology
makes modern autonomous greenhouse a viable and reliable engine of food
production. However, the educated and skilled labor capable of overseeing
high-tech greenhouses is scarce. Artificial intelligence (AI) and cloud
computing technologies are promising solutions for precision control and
high-efficiency production in such controlled environments. In this paper, we
propose a smart agriculture solution, namely iGrow: (1) we use IoT and cloud
computing technologies to measure, collect, and manage growing data, to support
iteration of our decision-making AI module, which consists of an incremental
model and an optimization algorithm; (2) we propose a three-stage incremental
model based on accumulating data, enabling growers/central computers to
schedule control strategies conveniently and at low cost; (3) we propose a
model-based iterative optimization algorithm, which can dynamically optimize
the greenhouse control strategy in real-time production. In the simulated
experiment, evaluation results show the accuracy of our incremental model is
comparable to an advanced tomato simulator, while our optimization algorithms
can beat the champion of the 2nd Autonomous Greenhouse Challenge. Compelling
results from the A/B test in real greenhouses demonstrate that our solution
significantly increases production (commercially sellable fruits) (+ 10.15%)
and net profit (+ 87.07%) with statistical significance compared to planting
experts.
- Abstract（参考訳）: 農業は人類文明の基礎である。
しかし、世界人口の急速な増加と高齢化は、健康で新鮮な食品を求めることで、この基盤に課題をもたらす。
モノのインターネット(IoT)技術は、現代の自律型温室を食料生産の実用的で信頼性の高いエンジンにする。
しかし、ハイテクな温室を監督できる教育と熟練の労働力は乏しい。
人工知能(AI)とクラウドコンピューティング技術は、これらの制御環境での精度制御と高効率生産のための有望なソリューションである。
In this paper, we propose a smart agriculture solution, namely iGrow: (1) we use IoT and cloud computing technologies to measure, collect, and manage growing data, to support iteration of our decision-making AI module, which consists of an incremental model and an optimization algorithm; (2) we propose a three-stage incremental model based on accumulating data, enabling growers/central computers to schedule control strategies conveniently and at low cost; (3) we propose a model-based iterative optimization algorithm, which can dynamically optimize the greenhouse control strategy in real-time production.
シミュレーション実験では, インクリメンタルモデルの精度は高度トマトシミュレータに匹敵するが, 最適化アルゴリズムは第2回自律温室チャレンジのチャンピオンを破ることができる。
実地温室におけるA/B試験の結果, 生産量(商業販売可能な果実)が10.15%以上, 純利益が87.07%以上であり, 植林専門家と比較して統計的に有意な増加が見られた。
関連論文リスト
- Transforming the Hybrid Cloud for Emerging AI Workloads [81.15269563290326]
このホワイトペーパーでは、AIワークロードの複雑さの増大に対応するために、ハイブリッドクラウドシステムを変革することを想定している。
提案したフレームワークは、エネルギー効率、性能、コスト効率において重要な課題に対処する。
この共同イニシアチブは、ハイブリッドクラウドをセキュアで効率的で持続可能なプラットフォームとして確立することを目的としています。
論文 参考訳（メタデータ） (2024-11-20T11:57:43Z) - GreenLight-Gym: A Reinforcement Learning Benchmark Environment for Greenhouse Crop Production Control [0.0]
強化学習(Reinforcement Learning, RL)は、温室管理を自動化するための制御ポリシーを学ぶための有望なアプローチである。
我々は,現在最先端の温室モデルであるGreenLight上でRLアルゴリズムをトレーニングし,評価するために設計された,最初のオープンソース環境であるGreenLight-Gymを紹介する。
第二に、州の境界を強制するために、乗法または加法的なペナルティを用いる2つの報酬形成アプローチを比較する。
第3に,不随意トレーニングと気象データによるRL性能の評価を行い,未知条件への一般化を実証した。
論文 参考訳（メタデータ） (2024-10-06T18:25:23Z) - 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) - Intelligent Agricultural Management Considering N$_2$O Emission and
Climate Variability with Uncertainties [5.04035338843957]
本研究では、農業において人工知能(AI)が作物の収量を増加させ、細管の使用と水処理を行い、硝酸塩の流出と温室効果ガスを減らす方法について検討した。
気候変動や農業知識の制限に直面するため、農業環境とAIエージェントの相互作用をモデル化するために、作物シミュレーターを用いた部分観測可能なマルコフ決定プロセス(POMDP)を用いる。
また,N$O排出を予測する機械学習(ML)モデルを開発し,これらの予測をシミュレータに統合する。
論文 参考訳（メタデータ） (2024-02-13T22:29:40Z) - On the Opportunities of Green Computing: A Survey [80.21955522431168]
人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。
高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。
コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
論文 参考訳（メタデータ） (2023-11-01T11:16:41Z) - Recent applications of machine learning, remote sensing, and iot
approaches in yield prediction: a critical review [0.0]
農業におけるリモートセンシングと機械学習の統合は、業界を変えつつある。
本稿では、作物収量予測にRS、ML、クラウドコンピューティング、IoTを使用した関連記事についてレビューする。
論文 参考訳（メタデータ） (2023-06-07T16:13:16Z) - A Deep Learning Driven Algorithmic Pipeline for Autonomous Navigation in
Row-Based Crops [38.4971490647654]
我々は、ローレンジセンサーと季節変動に対応するために特別に設計された、行ベースの自律ナビゲーションのための完全なアルゴリズムパイプラインを提案する。
我々は、データ駆動の堅牢な手法に基づいて、作物の完全な拡張を、フィールドの占有グリッドマップ情報のみでカバーし、自律機械の実行可能なパスを生成する。
論文 参考訳（メタデータ） (2021-12-07T16:46:17Z) - Robust Model-based Reinforcement Learning for Autonomous Greenhouse
Control [9.022924636907412]
強化学習(RL)アルゴリズムは人間の意思決定を超え、クローズドループ制御フレームワークにシームレスに統合することができる。
本稿では,自律型温室制御のためのモデルベースロバストなRLフレームワークを提案する。
論文 参考訳（メタデータ） (2021-08-26T08:27:10Z) - AI-based Modeling and Data-driven Evaluation for Smart Manufacturing
Processes [56.65379135797867]
本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。
本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-08-29T14:57:53Z) - 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) - NeurOpt: Neural network based optimization for building energy
management and climate control [58.06411999767069]
モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。
イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
論文 参考訳（メタデータ） (2020-01-22T00:51:03Z)
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。