論文の概要: What a million Indian farmers say?: A crowdsourcing-based method for
pest surveillance
- arxiv url: http://arxiv.org/abs/2108.03374v1
- Date: Sat, 7 Aug 2021 06:03:17 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-10 15:10:17.452293
- Title: What a million Indian farmers say?: A crowdsourcing-based method for
pest surveillance
- Title(参考訳): インドの農家は何とおっしゃいますか。
クラウドソーシングによる害虫監視手法
- Authors: Poonam Adhikari, Ritesh Kumar, S.R.S Iyengar, Rishemjit Kaur
- Abstract要約: 本稿では,スマートフォン上で収集したリアルタイムファーマークエリを利用して害虫監視を行うクラウドソーシング方式を提案する。
本研究では,高時間的粒度の広い地域を包み込むことのできる害虫監視の正確かつ経済的手法であることを示した。
- 参考スコア(独自算出の注目度): 0.9558392439655014
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many different technologies are used to detect pests in the crops, such as
manual sampling, sensors, and radar. However, these methods have scalability
issues as they fail to cover large areas, are uneconomical and complex. This
paper proposes a crowdsourced based method utilising the real-time farmer
queries gathered over telephones for pest surveillance. We developed
data-driven strategies by aggregating and analyzing historical data to find
patterns and get future insights into pest occurrence. We showed that it can be
an accurate and economical method for pest surveillance capable of enveloping a
large area with high spatio-temporal granularity. Forecasting the pest
population will help farmers in making informed decisions at the right time.
This will also help the government and policymakers to make the necessary
preparations as and when required and may also ensure food security.
- Abstract(参考訳): 農作物の害虫の検出には、手作業によるサンプリングやセンサー、レーダーなど、さまざまな技術が使用されている。
しかし、これらの手法は大きな領域をカバーできず、非経済的で複雑であるため、スケーラビリティに問題がある。
本稿では,電話で収集したリアルタイムファーマー問合せを用いて害虫調査を行うクラウドソーシング手法を提案する。
我々は、過去のデータを集約分析してパターンを見つけ、害虫発生の今後の知見を得るデータ駆動戦略を開発した。
本研究では,時間的粒度の高い広い地域を包み込むことのできる害虫監視の正確かつ経済的手法であることを示した。
害虫の集団を予測することは、農家が適切なタイミングで決定を下すのに役立つだろう。
これはまた、政府や政策立案者が必要に応じて必要な準備をし、食料の安全を確保するのに役立つ。
関連論文リスト
- An Efficient Deep Learning-based approach for Recognizing Agricultural
Pests in the Wild [0.0]
農夫が経験した最大の課題の1つは、農作物の収量で害虫と戦うことである。
これは、簡単かつ効果的に昆虫の害虫を識別することを必要とする。
我々は,それぞれに最適な方法を見出すために,様々な方法を検討する広範囲な実験を行った。
論文 参考訳(メタデータ) (2023-10-25T20:42:20Z) - Revolutionizing Agrifood Systems with Artificial Intelligence: A Survey [93.34268594812599]
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) - BOLLWM: A real-world dataset for bollworm pest monitoring from cotton
fields in India [2.6481410812267145]
本稿では,インド全土の小規模農家や農業拡張労働者が5年間にわたって収集した農薬画像のデータセットについて述べる。
このデータセットは、農夫が害虫管理の決定を行うのを助けるために、人工知能に依存するモバイルアプリケーションをサポートするために使われてきた。
論文 参考訳(メタデータ) (2023-04-03T07:31:30Z) - Automated Wheat Disease Detection using a ROS-based Autonomous Guided
UAV [0.0]
小麦畑のモニタリング作業を自動化するために、無人航空機にスマート自律システムが実装されている。
画像に基づくディープラーニングアプローチは、病気に感染した小麦の植物を検出し分類するために用いられる。
ロボットオペレーティングシステムとガゼボ環境におけるシミュレーションを用いて,マッピングとナビゲーションシステムを提案する。
論文 参考訳(メタデータ) (2022-06-30T06:12:48Z) - Spatial Monitoring and Insect Behavioural Analysis Using Computer Vision
for Precision Pollination [6.2997667081978825]
昆虫は作物の最も重要な世界的な受粉者であり、自然生態系の持続可能性を維持する上で重要な役割を担っている。
現在のコンピュータビジョンは、複雑な屋外環境における昆虫追跡を空間的に制限している。
本稿では,昆虫数計測,昆虫の動き追跡,行動解析,受粉予測のためのマーカーレスデータキャプチャーシステムを紹介する。
論文 参考訳(メタデータ) (2022-05-10T05:11:28Z) - Farmer's Assistant: A Machine Learning Based Application for
Agricultural Solutions [0.0]
我々は、これらの問題に対処するため、オープンソースの使いやすいWebアプリケーションを作成し、作物の生産を改善するのに役立ちます。
特に,作物の推薦,肥料の推薦,植物病の予知,対話型ニューズフィードを支持している。
論文 参考訳(メタデータ) (2022-04-24T19:31:10Z) - Unsupervised deep learning techniques for powdery mildew recognition
based on multispectral imaging [63.62764375279861]
本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。
マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。
本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
論文 参考訳(メタデータ) (2021-12-20T13:29:13Z) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。
本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文 参考訳(メタデータ) (2020-08-29T15:14:03Z) - 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) - Predicting Livelihood Indicators from Community-Generated Street-Level
Imagery [70.5081240396352]
本稿では,クラウドソースによるストリートレベルの画像から重要な生活指標を予測するための,安価でスケーラブルで解釈可能なアプローチを提案する。
全国的に代表される世帯調査で収集した地上データと比較することにより,貧困,人口,健康の指標を正確に予測する上でのアプローチの有効性を実証した。
論文 参考訳(メタデータ) (2020-06-15T18:12:12Z) - 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)
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。