論文の概要: Enhancing Strawberry Yield Forecasting with Backcasted IoT Sensor Data and Machine Learning
- arxiv url: http://arxiv.org/abs/2504.18451v1
- Date: Fri, 25 Apr 2025 16:02:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:53.836435
- Title: Enhancing Strawberry Yield Forecasting with Backcasted IoT Sensor Data and Machine Learning
- Title（参考訳）: バックキャスト型IoTセンサデータと機械学習によるイチゴ収量予測の強化
- Authors: Tewodros Alemu Ayall, Andy Li, Matthew Beddows, Milan Markovic, Georgios Leontidis,
- Abstract要約: 環境データ収集のため,イチゴ生産用ポリタンネルにIoTセンサを2年間展開した。
センサ観測と手動で4シーズンにわたる収量記録を組み合わせた。
実測と合成観測を組み合わせたAIを用いた収量予測モデルを構築した。
- 参考スコア（独自算出の注目度）: 3.057175662139921
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Due to rapid population growth globally, digitally-enabled agricultural sectors are crucial for sustainable food production and making informed decisions about resource management for farmers and various stakeholders. The deployment of Internet of Things (IoT) technologies that collect real-time observations of various environmental (e.g., temperature, humidity, etc.) and operational factors (e.g., irrigation) influencing production is often seen as a critical step to enable additional novel downstream tasks, such as AI-based yield forecasting. However, since AI models require large amounts of data, this creates practical challenges in a real-world dynamic farm setting where IoT observations would need to be collected over a number of seasons. In this study, we deployed IoT sensors in strawberry production polytunnels for two growing seasons to collect environmental data, including water usage, external and internal temperature, external and internal humidity, soil moisture, soil temperature, and photosynthetically active radiation. The sensor observations were combined with manually provided yield records spanning a period of four seasons. To bridge the gap of missing IoT observations for two additional seasons, we propose an AI-based backcasting approach to generate synthetic sensor observations using historical weather data from a nearby weather station and the existing polytunnel observations. We built an AI-based yield forecasting model to evaluate our approach using the combination of real and synthetic observations. Our results demonstrated that incorporating synthetic data improved yield forecasting accuracy, with models incorporating synthetic data outperforming those trained only on historical yield, weather records, and real sensor data.
- Abstract（参考訳）: 人口の急増により、デジタル利用の農業部門は持続可能な食料生産に不可欠であり、農家や様々な利害関係者の資源管理に関する情報的な決定を下す。
様々な環境(例えば、温度、湿度など)のリアルタイム観測と、生産に影響を与える運用要因(例えば、灌水)を収集するIoT(Internet of Things)技術の展開は、AIベースの収量予測のような新たな下流タスクを可能にする重要なステップとして、しばしば見なされる。
しかし、AIモデルは大量のデータを必要とするため、多くの季節にわたってIoT観測を収集する必要がある実世界の動的ファーム環境では、現実的な課題が生まれる。
本研究では,イチゴ生産用ポリタンゴにIoTセンサを設置し,水利用,外温,内温,土壌水分,土壌温度,光合成活性放射線などの環境データを収集した。
センサ観測と手動で4シーズンにわたる収量記録を組み合わせた。
2つの追加シーズンで欠落するIoT観測のギャップを埋めるため、近辺の気象観測所の過去の気象データと既存のポリタンネル観測を用いて、合成センサ観測を生成するAIベースのバックキャスト手法を提案する。
実測と合成観測を組み合わせたAIを用いた収量予測モデルを構築した。
その結果, 合成データの導入により収量予測精度が向上し, 履歴収量, 気象記録, 実センサデータにのみ耐えられる合成データを組み込んだモデルが得られた。
関連論文リスト
- Tackling Data Heterogeneity in Federated Time Series Forecasting [61.021413959988216]
時系列予測は、エネルギー消費予測、病気の伝染モニタリング、天気予報など、様々な実世界の応用において重要な役割を果たす。
既存のほとんどのメソッドは、分散デバイスから中央クラウドサーバに大量のデータを収集する、集中的なトレーニングパラダイムに依存しています。
本稿では,情報合成データを補助的知識キャリアとして生成することにより,データの均一性に対処する新しいフレームワークであるFed-TRENDを提案する。
論文 参考訳（メタデータ） (2024-11-24T04:56:45Z) - Deep Learning for Weather Forecasting: A CNN-LSTM Hybrid Model for Predicting Historical Temperature Data [7.559331742876793]
本研究では,畳み込みニューラルネットワーク(CNN)とLong Short-Term Memory(LSTM)を併用したハイブリッドモデルを提案する。
CNNは空間的特徴抽出に利用され、LSTMは時間的依存を処理し、予測精度と安定性が大幅に向上する。
論文 参考訳（メタデータ） (2024-10-19T03:38:53Z) - Enhancing Indoor Temperature Forecasting through Synthetic Data in Low-Data Environments [42.8983261737774]
合成データ生成のためのSoTA AI を用いたデータ拡張手法の有効性について検討する。
そこで本研究では,実データと合成データの融合戦略を探求し,予測モデルの改善を図る。
論文 参考訳（メタデータ） (2024-06-07T12:36:31Z) - Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。
我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。
この手法を現実のシナリオに適用するのは,私たちが初めてです。
論文 参考訳（メタデータ） (2023-12-18T09:05:28Z) - Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳（メタデータ） (2023-09-12T13:28:06Z) - An Open Dataset of Sensor Data from Soil Sensors and Weather Stations at
Production Farms [7.561052256409596]
このデータセットは、3つの生産農場にまたがる3つのノードの代表サンプルから5ヶ月間の土壌センサデータから構成される。
このデータを気象データと相関させ,土壌中の雨の吸収について考察する。
論文 参考訳（メタデータ） (2023-02-16T21:41:57Z) - A deep mixture density network for outlier-corrected interpolation of
crowd-sourced weather data [3.1542695050861544]
本稿では,自動検出による環境変数のベイズ時間モデリングのための深層学習手法を提案する。
例を挙げると、1900年頃のイギリス諸島の民間の気象観測所と非公式の気象観測所のアーカイブである気象観測サイト(Met Office's Weather Observation Website)のデータを用いています。
論文 参考訳（メタデータ） (2022-01-25T18:54:59Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z) - Short-term forecasting of global solar irradiance with incomplete data [0.0]
本研究は、日射量と日射量の1日前予測のためのパイプラインを導入する。
自動回帰統合型移動平均(ARIMA)、単層フィードフォワードネットワーク(SL-FNN)、複数層フィードフォワードネットワーク(FL-FNN)、長短期メモリ(LSTM)の4つの手法を検討する。
実験は、成野-コロンビアにある12の自動気象観測所(AWS)で収集された実世界のデータセットで実施される。
論文 参考訳（メタデータ） (2021-06-12T21:44:43Z) - 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) - Energy Aware Deep Reinforcement Learning Scheduling for Sensors
Correlated in Time and Space [62.39318039798564]
相関情報を利用するスケジューリング機構を提案する。
提案したメカニズムは、センサが更新を送信する頻度を決定することができる。
我々は,センサの寿命を大幅に延長できることを示した。
論文 参考訳（メタデータ） (2020-11-19T09:53:27Z)
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。