論文の概要: Recent applications of machine learning, remote sensing, and iot
approaches in yield prediction: a critical review
- arxiv url: http://arxiv.org/abs/2306.04566v1
- Date: Wed, 7 Jun 2023 16:13:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-08 13:22:14.430537
- Title: Recent applications of machine learning, remote sensing, and iot
approaches in yield prediction: a critical review
- Title（参考訳）: 収量予測における機械学習、リモートセンシング、およびiotアプローチの最近の応用:批判的レビュー
- Authors: Fatima Zahra Bassine, Terence Epule Epule, Ayoub Kechchour, Abdelghani
Chehbouni
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The integration of remote sensing and machine learning in agriculture is
transforming the industry by providing insights and predictions through data
analysis. This combination leads to improved yield prediction and water
management, resulting in increased efficiency, better yields, and more
sustainable agricultural practices. Achieving the United Nations' Sustainable
Development Goals, especially "zero hunger," requires the investigation of crop
yield and precipitation gaps, which can be accomplished through, the usage of
artificial intelligence (AI), machine learning (ML), remote sensing (RS), and
the internet of things (IoT). By integrating these technologies, a robust
agricultural mobile or web application can be developed, providing farmers and
decision-makers with valuable information and tools for improving crop
management and increasing efficiency. Several studies have investigated these
new technologies and their potential for diverse tasks such as crop monitoring,
yield prediction, irrigation management, etc. Through a critical review, this
paper reviews relevant articles that have used RS, ML, cloud computing, and IoT
in crop yield prediction. It reviews the current state-of-the-art in this field
by critically evaluating different machine-learning approaches proposed in the
literature for crop yield prediction and water management. It provides insights
into how these methods can improve decision-making in agricultural production
systems. This work will serve as a compendium for those interested in yield
prediction in terms of primary literature but, most importantly, what
approaches can be used for real-time and robust prediction.
- Abstract（参考訳）: 農業におけるリモートセンシングと機械学習の統合は、データ分析を通じて洞察と予測を提供することによって、業界を変革している。
この組み合わせは、収量予測と水管理の改善をもたらし、効率の向上、収量の改善、持続可能な農業慣行をもたらす。
国連の持続可能な開発目標、特に「ゼロハンガー」を達成するには、人工知能(AI)、機械学習(ML)、リモートセンシング(RS)、物のインターネット(IoT)などを通じて達成可能な収穫量と降水ギャップの調査が必要である。
これらの技術を統合することにより、堅牢な農業用モバイルアプリケーションやwebアプリケーションの開発が可能になり、農家や意思決定者に対して、作物管理の改善と効率向上のための貴重な情報とツールを提供することができる。
いくつかの研究は、これらの新技術と、作物のモニタリング、収量予測、灌水管理など様々なタスクの可能性について研究している。
本稿では,作物収量予測においてrs,ml,クラウドコンピューティング,iotを用いた関連記事についてレビューする。
作物収量予測と水管理に関する文献で提案されている異なる機械学習アプローチを批判的に評価することで、この分野の現状をレビューする。
農業生産システムにおいて、これらの方法が意思決定を改善する方法に関する洞察を提供する。
この研究は、初等文献で収率予測に興味がある人のための補足として機能するが、最も重要なのは、どのようなアプローチがリアルタイムかつ堅牢な予測に利用できるかである。
関連論文リスト
- Enhancing Agricultural Machinery Management through Advanced LLM Integration [0.7366405857677226]
人工知能の農業実践への統合は、農業における効率性と持続可能性に革命をもたらす可能性がある。
本稿では,大規模言語モデル(LLM),特にGPT-4を活用して,農業機械経営における意思決定プロセスを強化する手法を提案する。
論文 参考訳（メタデータ） (2024-07-30T06:49:55Z) - 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) - 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) - 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) - Benchmarking Automated Machine Learning Methods for Price Forecasting
Applications [58.720142291102135]
自動機械学習(AutoML)ソリューションで手作業で作成したMLパイプラインを置換する可能性を示す。
CRISP-DMプロセスに基づいて,手動MLパイプラインを機械学習と非機械学習に分割した。
本稿では、価格予測の産業利用事例として、ドメイン知識とAutoMLを組み合わせることで、ML専門家への依存が弱まることを示す。
論文 参考訳（メタデータ） (2023-04-28T10:27:38Z) - 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) - Evaluating Digital Agriculture Recommendations with Causal Inference [0.9213852038999553]
本稿では,デジタルツールが農業成績指標に与える影響を実証的に評価するための観察因果推論フレームワークを提案する。
ケーススタディとして,数値気象予測に基づく綿の最適播種時間推薦システムの設計と実装を行った。
バックドア基準を用いて, 播種勧告が収量に与える影響を同定し, 線形回帰, マッチング, 逆確率スコア重み付け, メタラーナーを用いて推定した。
論文 参考訳（メタデータ） (2022-11-30T12:20:08Z) - Machine learning in bioprocess development: From promise to practice [58.720142291102135]
機械学習(ML)アプローチのようなデータ駆動の手法は、大きな設計空間を合理的に探索する可能性が高い。
本研究の目的は,これまでのバイオプロセス開発におけるML手法の適用例を示すことである。
論文 参考訳（メタデータ） (2022-10-04T13:48:59Z) - Automated Machine Learning Techniques for Data Streams [91.3755431537592]
本稿では、最先端のオープンソースAutoMLツールを調査し、ストリームから収集したデータに適用し、時間とともにパフォーマンスがどのように変化するかを測定する。
この結果から,既製のAutoMLツールで十分な結果が得られることが示されたが,概念ドリフトや検出,適応といった手法が適用されれば,予測精度を時間とともに維持することが可能になる。
論文 参考訳（メタデータ） (2021-06-14T11:42:46Z) - Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using
Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。
本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。
これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
論文 参考訳（メタデータ） (2020-12-07T16:23:13Z) - 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)
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。