論文の概要: Smart Connected Farms and Networked Farmers to Tackle Climate Challenges Impacting Agricultural Production

• arxiv url: http://arxiv.org/abs/2312.12338v1
• Date: Tue, 19 Dec 2023 17:08:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-12-20 14:53:04.339347
• Title: Smart Connected Farms and Networked Farmers to Tackle Climate Challenges Impacting Agricultural Production
• Title（参考訳）: スマート・コネクテッド・ファームとネットワーク・ファーマーが農業生産に影響を及ぼす気候問題に取り組む
• Abstract要約: 情報通信技術、精密農業、データ分析が急速に進歩し、スマート・コネクテッド・ファーム(SCF)の創出のための肥大化の原動力となっている。 ネットワークと調整された農夫ネットワークは、悪天候に対処しながら、農業生産と収益性を高めるために、農家にユニークな利点を提供する。
• 参考スコア（独自算出の注目度）: 5.455648887547882
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: To meet the grand challenges of agricultural production including climate change impacts on crop production, a tight integration of social science, technology and agriculture experts including farmers are needed. There are rapid advances in information and communication technology, precision agriculture and data analytics, which are creating a fertile field for the creation of smart connected farms (SCF) and networked farmers. A network and coordinated farmer network provides unique advantages to farmers to enhance farm production and profitability, while tackling adverse climate events. The aim of this article is to provide a comprehensive overview of the state of the art in SCF including the advances in engineering, computer sciences, data sciences, social sciences and economics including data privacy, sharing and technology adoption.
• Abstract（参考訳）: 気候変動による農作物生産への影響など農業生産の大きな課題を満たすためには、農業を含む社会科学、技術、農業専門家の密接な統合が必要である。 情報通信技術、精密農業とデータ分析の急速な進歩により、スマート・コネクテッド・ファーム(scf)とネットワーク化されたファーマーズ(英語版)が誕生する。 ネットワークと協調したファーマーネットワークは、農業生産と収益性を高めるために農家にユニークな利点を与え、一方、悪質な気候イベントに取り組む。 本稿の目的は,工学,計算機科学,データ科学,社会科学,およびデータプライバシ,共有,技術導入を含む経済学の進歩を含む,scfにおける技術の現状を包括的に概観することである。

関連論文リスト

• Digital Agriculture Sandbox for Collaborative Research [3.1332173046063545]
  デジタル農業は、世界の食料問題に対処するための貴重なデータを生成するが、農家はプライバシー上の懸念からそれを共有することをためらっている。 本稿では,この問題を解決するセキュアなオンラインプラットフォームであるDigital Agriculture Sandboxを提案する。 このプラットフォームにより、農家(限られた技術資源を持つ)と研究者は、プライベート情報を公開することなく、農業データを分析できる。
  論文  参考訳（メタデータ） (2025-11-20T02:41:35Z)
• AI in Agriculture: A Survey of Deep Learning Techniques for Crops, Fisheries and Livestock [77.95897723270453]
  作物、漁業、家畜が世界の食料生産のバックボーンを形成し、成長を続ける世界の人口を養うのに不可欠である。 これらの問題に対処するには、効率的で正確でスケーラブルな技術ソリューションが必要であり、人工知能(AI)の重要性を強調している。 本調査では,従来の機械学習アプローチ,高度なディープラーニング技術,最新のビジョン言語基礎モデルなど,200以上の研究成果を体系的かつ徹底的にレビューする。
  論文  参考訳（メタデータ） (2025-07-29T17:59:48Z)
• Internet of Things-Based Smart Precision Farming in Soilless Agriculture:Opportunities and Challenges for Global Food Security [3.46887201928427]
  世界人口の急激な増加と耕作可能な土地の継続的な減少は、食料安全保障に重大な脅威をもたらす。 土壌のない農業、例えばヒドロポニックス、エアロポニックス、アクアポニックスは持続可能なソリューションを提供する。 本稿は、IoTベースの土壌のない農業の機会と課題について考察する。
  論文  参考訳（メタデータ） (2025-03-15T03:40:32Z)
• Agri-LLaVA: Knowledge-Infused Large Multimodal Assistant on Agricultural Pests and Diseases [49.782064512495495]
  農業分野における最初のマルチモーダル・インストラクション・フォロー・データセットを構築した。 このデータセットは、約40万のデータエントリを持つ221種類以上の害虫と病気をカバーしている。 本稿では,農業用マルチモーダル対話システムであるAgri-LLaVAを開発するための知識注入型学習手法を提案する。
  論文  参考訳（メタデータ） (2024-12-03T04:34:23Z)
• 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)
• Agricultural 4.0 Leveraging on Technological Solutions: Study for Smart Farming Sector [2.06242362470764]
  農業 4.0 は工業生産と効率を上げることを目的とした技術主導の農業革命である。 食品廃棄物、気候変動、人口移動、資源不足が主な原因となっている。 目的は、監視の強化と労働費の削減を促進するために最適化されたバリューチェーンを確立することである。
  論文  参考訳（メタデータ） (2024-01-01T17:02:49Z)
• Climate Change Impact on Agricultural Land Suitability: An Interpretable Machine Learning-Based Eurasia Case Study [94.07737890568644]
  2021年現在、世界中で約8億8800万人が飢餓と栄養失調に見舞われている。 気候変動は農地の適性に大きな影響を及ぼし、深刻な食糧不足に繋がる可能性がある。 本研究は,経済・社会問題に苦しむ中央ユーラシアを対象とする。
  論文  参考訳（メタデータ） (2023-10-24T15:15:28Z)
• AgroTIC: Bridging the gap between farmers, agronomists, and merchants through smartphones and machine learning [16.079127761987667]
  アグロティック(Agrotic)は、農夫、農夫、商人のギャップを埋めるスマートフォンベースの農業用アプリケーションである。 コロンビアのサンタンデール県のキツネソウ栽培農家を対象に,アグロティック・アプリ(Agrotic app)の事例研究を行った。
  論文  参考訳（メタデータ） (2023-05-21T10:07:51Z)
• 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)
• Seeing biodiversity: perspectives in machine learning for wildlife conservation [49.15793025634011]
  機械学習は、野生生物種の理解、モニタリング能力、保存性を高めるために、この分析的な課題を満たすことができると我々は主張する。 本質的に、新しい機械学習アプローチとエコロジー分野の知識を組み合わせることで、動物生態学者は現代のセンサー技術が生み出すデータの豊富さを生かすことができる。
  論文  参考訳（メタデータ） (2021-10-25T13:40:36Z)
• Role of Information and ICTs as Determinants of Farmer's Adaptive Capacity to Climate Risk: An Empirical Study From Haryana, India [0.0]
  本研究では,RStudio の lavaan パッケージを用いた経路解析手法を用いて,情報の役割を実証的に検証する。 我々は、情報が農家の適応能力を高めるための直接的かつ重要な貢献であることに気付きました。 我々はICTエコシステムを用いて運用されたICTのアンサンブルビューを取得し,情報,技術,ICTエコシステム間の重要な相互関係を見出す。
  論文  参考訳（メタデータ） (2021-08-22T16:00:06Z)
• 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)
• 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。