論文の概要: Application of Machine Learning in Agriculture: Recent Trends and Future Research Avenues
- arxiv url: http://arxiv.org/abs/2405.17465v1
- Date: Thu, 23 May 2024 17:53:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-30 00:10:19.039535
- Title: Application of Machine Learning in Agriculture: Recent Trends and Future Research Avenues
- Title（参考訳）: 農業における機械学習の応用:最近の動向と今後の研究動向
- Authors: Aashu, Kanchan Rajwar, Millie Pant, Kusum Deep,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 6.0460261046732455
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Food production is a vital global concern and the potential for an agritech revolution through artificial intelligence (AI) remains largely unexplored. This paper presents a comprehensive review focused on the application of machine learning (ML) in agriculture, aiming to explore its transformative potential in farming practices and efficiency enhancement. To understand the extent of research activity in this field, statistical data have been gathered, revealing a substantial growth trend in recent years. This indicates that it stands out as one of the most dynamic and vibrant research domains. By introducing the concept of ML and delving into the realm of smart agriculture, including Precision Agriculture, Smart Farming, Digital Agriculture, and Agriculture 4.0, we investigate how AI can optimize crop output and minimize environmental impact. We highlight the capacity of ML to analyze and classify agricultural data, providing examples of improved productivity and profitability on farms. Furthermore, we discuss prominent ML models and their unique features that have shown promising results in agricultural applications. Through a systematic review of the literature, this paper addresses the existing literature gap on AI in agriculture and offers valuable information to newcomers and researchers. By shedding light on unexplored areas within this emerging field, our objective is to facilitate a deeper understanding of the significant contributions and potential of AI in agriculture, ultimately benefiting the research community.
- Abstract（参考訳）: 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。
この分野での研究活動の程度を理解するため、統計データが収集され、近年の実質的な成長傾向が明らかになっている。
これは、最もダイナミックで活気ある研究領域の1つとして際立っていることを示している。
MLの概念を導入し、精密農業、スマートファーミング、デジタル農業、農業4.0といったスマート農業の領域に進出することにより、AIが作物の生産を最適化し、環境への影響を最小限にする方法を検討する。
我々は、農業データの分析と分類を行うMLの能力を強調し、農業における生産性と収益性の改善事例を提供する。
さらに、農業応用において有望な結果を示した著名なMLモデルとその特徴について論じる。
文献の体系的なレビューを通じて、農業におけるAIに関する既存の文献ギャップに対処し、新参者や研究者に貴重な情報を提供する。
この新興分野の未調査領域に光を当てることで、私たちの目標は、農業におけるAIの重要な貢献と潜在能力をより深く理解し、究極的には研究コミュニティに利益をもたらすことです。
関連論文リスト
- 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) - 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) - 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) - 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) - 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) - 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。