論文の概要: Empowering Agrifood System with Artificial Intelligence: A Survey of the Progress, Challenges and Opportunities
- arxiv url: http://arxiv.org/abs/2305.01899v2
- Date: Thu, 26 Sep 2024 13:34:35 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-09 15:13:22.898101
- Title: Empowering Agrifood System with Artificial Intelligence: A Survey of the Progress, Challenges and Opportunities
- Title（参考訳）: 人工知能によるアグリフードシステムの構築 : 進歩・課題・機会に関する調査
- Authors: Tao Chen, Liang Lv, Di Wang, Jing Zhang, Yue Yang, Zeyang Zhao, Chen Wang, Xiaowei Guo, Hao Chen, Qingye Wang, Yufei Xu, Qiming Zhang, Bo Du, Liangpei Zhang, Dacheng Tao,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 86.89427012495457
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the world population rapidly increasing, transforming our agrifood systems to be more productive, efficient, safe, and sustainable is crucial to mitigate potential food shortages. Recently, artificial intelligence (AI) techniques such as deep learning (DL) have demonstrated their strong abilities in various areas, including language, vision, remote sensing (RS), and agrifood systems applications. However, the overall impact of AI on agrifood systems remains unclear. In this paper, we thoroughly review how AI techniques can transform agrifood systems and contribute to the modern agrifood industry. Firstly, we summarize the data acquisition methods in agrifood systems, including acquisition, storage, and processing techniques. Secondly, we present a progress review of AI methods in agrifood systems, specifically in agriculture, animal husbandry, and fishery, covering topics such as agrifood classification, growth monitoring, yield prediction, and quality assessment. Furthermore, we highlight potential challenges and promising research opportunities for transforming modern agrifood systems with AI. We hope this survey could offer an overall picture to newcomers in the field and serve as a starting point for their further research. The project website is https://github.com/Frenkie14/Agrifood-Survey.
- Abstract（参考訳）: 世界人口が急増するにつれて、アグリフードのシステムはより生産的、効率的、安全、持続的へと変化し、潜在的な食糧不足を緩和するためには不可欠である。
近年、ディープラーニング(DL)のような人工知能(AI)技術は、言語、視覚、リモートセンシング(RS)、アグリフードシステムアプリケーションなど、様々な分野でその強みを実証している。
しかし、アグリフードシステムに対するAIの全体的な影響は、まだ不明である。
本稿では,AI技術がアグリフードシステムをどのように変革し,現代のアグリフード産業に貢献するかを,徹底的にレビューする。
まず,アグリファドシステムにおけるデータ取得手法について概説する。
第2に,農業,畜産,漁業などのアグリフードシステムにおけるAI手法の進歩を概観し,アグリフード分類,成長モニタリング,収量予測,品質評価などのトピックについて紹介する。
さらに、AIで現代のアグリファ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。
この調査が、この分野の新参者に全体像を提供し、さらなる研究の出発点になることを期待している。
プロジェクトのWebサイトはhttps://github.com/Frenkie14/Agrifood-Surveyである。
関連論文リスト
- Application of Machine Learning in Agriculture: Recent Trends and Future Research Avenues [6.0460261046732455]
食品生産は重要な世界的関心事であり、人工知能(AI)による農業革命の可能性はほとんど解明されていない。
本稿では,農業における機械学習(ML)の適用に焦点をあてた総合的なレビューを行い,農業実践におけるその変革的ポテンシャルと効率向上を探求する。
論文 参考訳（メタデータ） (2024-05-23T17:53:31Z) - From Plate to Production: Artificial Intelligence in Modern
Consumer-Driven Food Systems [32.55158589420258]
世界の食料システムは、需要が増大する中で、供給と栄養価の高いダイエットに直面している。
人工知能の出現は、個人の選択革命をもたらし、AIによる個人による決定が食品システムを変える。
本稿では,食品分野におけるAIの約束と課題について考察する。
論文 参考訳（メタデータ） (2023-11-04T13:13:44Z) - Elephants and Algorithms: A Review of the Current and Future Role of AI
in Elephant Monitoring [47.24825031148412]
人工知能(AI)と機械学習(ML)は、動物行動と保全戦略の理解を深める革命的な機会を提供する。
アフリカ保護地域の重要な種であるゾウを焦点として、我々はAIとMLが保護に果たす役割を掘り下げる。
新しいAIとML技術は、このプロセスを合理化するためのソリューションを提供する。
論文 参考訳（メタデータ） (2023-06-23T22:35:51Z) - 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) - Fruit Ripeness Classification: a Survey [59.11160990637616]
食品を格付けするための特徴記述子を多用する多くの自動的手法が提案されている。
機械学習とディープラーニング技術がトップパフォーマンスの手法を支配している。
ディープラーニングは生のデータで操作できるため、複雑なエンジニアリング機能を計算する必要がなくなる。
論文 参考訳（メタデータ） (2022-12-29T19:32:20Z) - Everything You wanted to Know about Smart Agriculture [2.5155102296586036]
世界の人口は2050年までに20億近く増加すると予想され、食料需要の急激な増加を招いた。
人口増加のニーズを満たすためには、農業産業を近代化する必要がある。
従来の農業は、既存の技術を採用することで、効率的で持続可能で、エコフレンドリーなスマート農業に書き換えることができる。
論文 参考訳（メタデータ） (2022-01-13T00:48:36Z) - Vision-Based Food Analysis for Automatic Dietary Assessment [49.32348549508578]
本総説では, 食品画像分析, 容積推定, 栄養素抽出の3段階からなる, 統合型ビジョンベース食事評価(VBDA)の枠組みを概説する。
深層学習により、VBDAは徐々にエンドツーエンドの実装へと移行し、単一のネットワークに食品画像を適用して栄養を直接見積もる。
論文 参考訳（メタデータ） (2021-08-06T05:46:01Z) - Empowering Things with Intelligence: A Survey of the Progress,
Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。
まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。
最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文 参考訳（メタデータ） (2020-11-17T13:14:28Z) - Agriculture-Vision: A Large Aerial Image Database for Agricultural
Pattern Analysis [110.30849704592592]
本稿では,農業パターンのセマンティックセグメンテーションのための大規模空中農地画像データセットであるGarmry-Visionを提案する。
各画像はRGBと近赤外線(NIR)チャンネルで構成され、解像度は1ピクセルあたり10cmである。
農家にとって最も重要な9種類のフィールド異常パターンに注釈を付ける。
論文 参考訳（メタデータ） (2020-01-05T20:19:33Z)
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。