論文の概要: Towards Crowd-Based Requirements Engineering for Digital Farming (CrowdRE4DF)
- arxiv url: http://arxiv.org/abs/2406.19171v1
- Date: Thu, 27 Jun 2024 13:45:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-28 14:08:07.731900
- Title: Towards Crowd-Based Requirements Engineering for Digital Farming (CrowdRE4DF)
- Title（参考訳）: デジタル農業のためのクラウドベース要求工学(CrowdRE4DF)を目指して
- Authors: Eduard C. Groen, Kazi Rezoanur Rahman, Nikita Narsinghani, Joerg Doerr,
- Abstract要約: 農家は多様かつ国際的な実践者の集団を形成し、農業製品やサービスの共通プールを使用している。
この領域におけるオンラインユーザフィードバックは限定的であり、農家からのフィードバックをキャプチャする手段を必要とする。
私たちのソリューションであるFarmers' Voiceアプリケーションは、音声テキスト、機械学習(ML)、Web 2.0技術を使用します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The farming domain has seen a tremendous shift towards digital solutions. However, capturing farmers' requirements regarding Digital Farming (DF) technology remains a difficult task due to domain-specific challenges. Farmers form a diverse and international crowd of practitioners who use a common pool of agricultural products and services, which means we can consider the possibility of applying Crowd-based Requirements Engineering (CrowdRE) for DF: CrowdRE4DF. We found that online user feedback in this domain is limited, necessitating a way of capturing user feedback from farmers in situ. Our solution, the Farmers' Voice application, uses speech-to-text, Machine Learning (ML), and Web 2.0 technology. A preliminary evaluation with five farmers showed good technology acceptance, and accurate transcription and ML analysis even in noisy farm settings. Our findings help to drive the development of DF technology through in-situ requirements elicitation.
- Abstract（参考訳）: 農業分野はデジタルソリューションに大きくシフトしている。
しかし、デジタルファーミング(DF)技術に関する農家の要求を把握することは、ドメイン固有の課題のため難しい課題である。
農家は多様かつ国際的な実践者の集団を形成し、農業製品やサービスの共通プールを使用している。
この領域のオンラインユーザフィードバックは限定的であり,農家からのフィードバックを収集する手段を必要としていることがわかった。
私たちのソリューションであるFarmers' Voiceアプリケーションは、音声テキスト、機械学習(ML)、Web 2.0技術を使用します。
農夫5名による予備評価では, 騒音条件下においても, 高い技術受容率を示し, 正確な転写, ML分析が得られた。
本研究の成果は,DF技術の発展に資する。
関連論文リスト
- LoRa Communication for Agriculture 4.0: Opportunities, Challenges, and Future Directions [40.08908132533476]
スマート農業の新興分野は、IoT(Internet of Things)を活用して農業プラクティスに革命をもたらす。
本稿では,農業用IoTシステムにおける長距離無線通信の鍵となるLong Range(LoRa)技術の転換可能性について検討する。
論文 参考訳（メタデータ） (2024-09-17T13:55:44Z) - AgriLLM: Harnessing Transformers for Farmer Queries [2.8592691160719554]
本研究は,農業従事者を対象とした問合せ解決の自動化におけるLarge Language Models (LLMs) の変容の可能性を探るものである。
インドで収集された現実世界のファーマークェリの膨大なデータセットのサブセットを用いて、我々の研究はタミル・ナドゥ州の約400万のクェリに焦点を当てた。
論文 参考訳（メタデータ） (2024-06-21T07:37:41Z) - Current applications and potential future directions of reinforcement learning-based Digital Twins in agriculture [2.699900017799093]
本研究は, 農業環境における強化学習を活用した既存の研究を, ロボット工学, 温室管理, 灌水システム, 作物管理などの応用分野によって分類することを目的としている。
また、表式手法、ディープQネットワークワークス(DQN)、ポリシーグラディエント手法、アクタ・クリティカルアルゴリズムなど、使用する強化学習技術も分類する。
このレビューは、Digital Twinsの統合と農業における強化学習の最先端に関する洞察を提供することを目指している。
論文 参考訳（メタデータ） (2024-06-13T06:38:09Z) - 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) - Combatting Human Trafficking in the Cyberspace: A Natural Language
Processing-Based Methodology to Analyze the Language in Online Advertisements [55.2480439325792]
このプロジェクトは、高度自然言語処理(NLP)技術により、オンラインC2Cマーケットプレースにおける人身売買の急激な問題に取り組む。
我々は、最小限の監督で擬似ラベル付きデータセットを生成する新しい手法を導入し、最先端のNLPモデルをトレーニングするための豊富なリソースとして機能する。
重要な貢献は、Integrated Gradientsを使った解釈可能性フレームワークの実装であり、法執行にとって重要な説明可能な洞察を提供する。
論文 参考訳（メタデータ） (2023-11-22T02:45:01Z) - Enabling Automated Integration Testing of Smart Farming Applications via
Digital Twin Prototypes [49.44419860570116]
産業4.0とスマート農業は密接に関連しており、産業4.0でもスマート農業に使われている技術の多くが使用されている。
デジタルツインは、そのようなアプリケーションのコスト効率の良いソフトウェア開発の可能性を秘めている。
本稿では,ソフトウェアの自動テストにDigital Twin Prototypeアプローチを採用するケーススタディを提案する。
論文 参考訳（メタデータ） (2023-11-09T21:24:12Z) - 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) - Using I4.0 digital twins in agriculture [0.0]
本稿では,農業領域におけるI4.0 DTを用いたアーキテクチャドライバとソリューション概念について述べる。
農業分野におけるI4.0 DTの機会と限界について論じる。
論文 参考訳（メタデータ） (2023-01-23T19:24:01Z) - Consideration of resilience for digital farming systems [1.8899300124593648]
クラウドベースのデジタルシステムとアプリケーションは、インターネットの供給とは独立して、信頼できる必要がある。
Web ベースの農業システムを用いた開発問題を特定し,議論する。
ソフトおよびハードウェア機器の推奨事項が作成されている。
論文 参考訳（メタデータ） (2021-04-12T08:36:13Z) - 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。