論文の概要: AgroXAI: Explainable AI-Driven Crop Recommendation System for Agriculture 4.0

• arxiv url: http://arxiv.org/abs/2412.16196v1
• Date: Mon, 16 Dec 2024 20:18:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-29 07:32:28.758425
• Title: AgroXAI: Explainable AI-Driven Crop Recommendation System for Agriculture 4.0
• Title（参考訳）: AgroXAI: 農業用AI駆動作物推薦システム 4.0
• Authors: Ozlem Turgut, Ibrahim Kok, Suat Ozdemir,
• Abstract要約: 我々は、農業分野の運用効率と生産性を向上させるために、IoT(Internet of Things)、機械学習(ML)、説明可能な人工知能(XAI)などの新興技術を採用しています。 具体的には、気候や土壌条件に基づいて、地域に適した作物を提示するエッジコンピューティングによる説明可能な作物推薦システムAgroXAIを提案する。
• 参考スコア（独自算出の注目度）: 0.5461938536945723
• License:
• Abstract: Today, crop diversification in agriculture is a critical issue to meet the increasing demand for food and improve food safety and quality. This issue is considered to be the most important challenge for the next generation of agriculture due to the diminishing natural resources, the limited arable land, and unpredictable climatic conditions caused by climate change. In this paper, we employ emerging technologies such as the Internet of Things (IoT), machine learning (ML), and explainable artificial intelligence (XAI) to improve operational efficiency and productivity in the agricultural sector. Specifically, we propose an edge computing-based explainable crop recommendation system, AgroXAI, which suggests suitable crops for a region based on weather and soil conditions. In this system, we provide local and global explanations of ML model decisions with methods such as ELI5, LIME, SHAP, which we integrate into ML models. More importantly, we provide regional alternative crop recommendations with the counterfactual explainability method. In this way, we envision that our proposed AgroXAI system will be a platform that provides regional crop diversity in the next generation agriculture.
• Abstract（参考訳）: 現在、農業における作物の多様化は、食糧需要の増加と食品の安全性と品質の向上に対処する上で重要な問題となっている。 この問題は、自然資源の減少、耕作可能な土地の制限、気候変動による予測不可能な気候条件などにより、次世代農業にとって最も重要な課題であると考えられている。 本稿では,IoT(Internet of Things)や機械学習(ML),説明可能な人工知能(XAI)といった新興技術を用いて,農業分野の運用効率と生産性を向上させる。 具体的には、気候や土壌条件に基づいて、地域に適した作物を提示するエッジコンピューティングによる説明可能な作物推薦システムAgroXAIを提案する。 本システムでは,ELI5, LIME, SHAPなどの手法を用いてMLモデル決定の局所的, グローバル的説明を行い, MLモデルに統合する。 さらに,本手法を応用した地域代替作物の推薦を行う。 このようにして、当社が提案するAgroXAIシステムは、次世代農業における地域作物の多様性を提供するプラットフォームになることを期待している。

関連論文リスト

• Anticipatory Understanding of Resilient Agriculture to Climate [66.008020515555]
  本稿では,リモートセンシング,深層学習,作物収量モデリング,食品流通システムの因果モデリングを組み合わせることで,食品のセキュリティホットスポットをよりよく識別する枠組みを提案する。 我々は、世界の人口の大部分を供給している北インドの小麦パンバスケットの分析に焦点をあてる。
  論文  参考訳（メタデータ） (2024-11-07T22:29:05Z)
• The unrealized potential of agroforestry for an emissions-intensive agricultural commodity [48.652015514785546]
  機械学習を用いて、西アフリカ地域全体での日陰木カバーと炭素ストックの見積もりを生成します。 既存の陰木カバーは低く、空間的に気候の脅威と一致していないことが判明した。 しかし、このセクターが毎年高い炭素フットプリントのかなりの割合とバランスをとるという、巨大な非現実的な可能性も見出されています。
  論文  参考訳（メタデータ） (2024-10-28T10:02:32Z)
• 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)
• Intelligent Agricultural Greenhouse Control System Based on Internet of Things and Machine Learning [0.0]
  本研究は,モノのインターネット(IoT)と機械学習の融合に根ざした,高度な農業用温室制御システムを概念化し,実行しようとする試みである。 その結果、作物の生育効率と収量が向上し、資源の浪費が減少する。
  論文  参考訳（メタデータ） (2024-02-14T09:07:00Z)
• Agricultural Recommendation System based on Deep Learning: A Multivariate Weather Forecasting Approach [1.756503402823037]
  本稿では,天気予報モデルを用いたコンテキスト型作物推薦システムを提案する。 提案された気象モデルでは、バングラデシュの任意の場所で降雨、気温、湿度、日差しを予測でき、平均 R-Squared 値は 0.9824 である。 このシステムは、洪水や干ばつが生ずる地域に対する知識に基づく作物の提案にも長けている。
  論文  参考訳（メタデータ） (2024-01-21T06:33:45Z)
• 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)
• 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)
• DeepG2P: Fusing Multi-Modal Data to Improve Crop Production [1.7406327893433846]
  本稿では,G,E,Mの入力とその相互作用を処理する自然言語処理に基づくニューラルネットワークアーキテクチャを提案する。 我々は、DNAを自然言語としてモデル化することにより、新しい環境をテストする際に、従来のアプローチよりも優れた性能を発揮することを示す。
  論文  参考訳（メタデータ） (2022-11-11T03:32:44Z)
• 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。