論文の概要: Smart Profit-Aware Crop Advisory System: Kisan AI
- arxiv url: http://arxiv.org/abs/2605.00133v1
- Date: Thu, 30 Apr 2026 18:35:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-04 17:43:28.713048
- Title: Smart Profit-Aware Crop Advisory System: Kisan AI
- Title（参考訳）: 利口な利益を意識した作物諮問システム:Kisan AI
- Authors: Debasis Dwibedy, Avyay Nishtala, Pranathi Mukku, D Snehaja,
- Abstract要約: 我々は,利潤を意識した作物アドバイザリーシステムであるKisan AIを開発した。
我々は9機能ベンチマークデータセットを用いてランダムフォレスト(RF)分類器モデルを訓練する。
我々は、Facebook Prophetの6ヶ月の価格予測エンジンとMobileNetV2病検出モジュールとともに、多言語プログレッシブWebアプリケーション内にRFモデルを実装した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern crop advisory systems exhibit a critical limitation termed \textit{economic blindness}. These systems primarily optimize for biological yield, often overlooking market price, which can lead farmers toward agronomically sound yet financially unviable decisions. In this paper, we develop Kisan AI, a smart profit-aware crop advisory system that resolves the above-mentioned limitation through a research-driven, full-stack application. We train the Random Forest(RF) classifier model on a nine-feature benchmark dataset, the standard seven agronomic attributes augmented with a \textit{market\_price} variable, and evaluated against eight baseline models, considering the evaluation matrices, such as, accuracy, precision, recall, F1-score, and Log Loss. The RF model achieves the highest accuracy of 99.3\% and the lowest Log Loss, confirming that the inclusion of market price as a predictive feature is both valid and impactful. We then implement the RF model within a multilingual progressive Web App alongside a Facebook Prophet six-month price forecasting engine and a MobileNetV2 disease detection module. A nine-language AI chatbot powered by the Anthropic Claude API unifies all modules into a single, mobile-installable platform accessible to farmers across India.
- Abstract（参考訳）: 現代の作物アドバイザリーシステムでは、"textit{economic blindness}"と呼ばれる限界がある。
これらのシステムは、主に生物の収量に最適化されており、しばしば市場価格を見越して、農家は農業的に健全だが経済的には不可能な決定に向かっている。
本稿では,研究主導のフルスタックアプリケーションを通じて,上記の制限を解消する,スマートな利益を考慮した作物アドバイザリーシステムであるKisan AIを開発する。
そこで我々は,9機能ベンチマークデータセットであるRandom Forest(RF)分類器モデルをトレーニングし,精度,精度,リコール,F1スコア,ログロスなどの評価行列を考慮し,標準の7つの農作物属性に \textit{market\_price} 変数を付加し,ベースラインモデルに対して評価を行った。
RFモデルは99.3\%の精度と低いログ損失を達成し、予測的特徴として市場価格を組み込むことが有効かつ影響のあるものであることを確認した。
次に、Facebook Prophetの6ヶ月の価格予測エンジンとMobileNetV2病検出モジュールとともに、多言語プログレッシブWebアプリケーション内でRFモデルを実装した。
Anthropic Claude APIを利用する9言語AIチャットボットは、すべてのモジュールを1つのモバイルインストール可能なプラットフォームに統合する。
関連論文リスト
- Automated Analysis of Learning Outcomes and Exam Questions Based on Bloom's Taxonomy [0.0]
本稿では,ブルームの分類に基づく試験質問と学習結果の自動分類について検討する。
6つの認知カテゴリをラベル付けした600文の小さなデータセットを、従来の機械学習(ML)モデルを用いて処理した。
論文 参考訳（メタデータ） (2025-11-14T02:31:12Z) - FD4QC: Application of Classical and Quantum-Hybrid Machine Learning for Financial Fraud Detection A Technical Report [36.1999598554273]
本稿では、古典的、量子的、量子ハイブリッドな機械学習モデルによる不正な金融活動のバイナリな行動分類の有効性について検討・比較する。
我々は、IBM Anti-Money Laundering (AML)データセット上で、さまざまなモデルを実装し、評価する。
実世界展開用に設計された実用的なAPI駆動システムアーキテクチャであるFD4QC(Fraud Detection for Quantum Computing)を提案する。
論文 参考訳（メタデータ） (2025-07-25T16:08:22Z) - Trustworthy Tree-based Machine Learning by $MoS_2$ Flash-based Analog CAM with Inherent Soft Boundaries [40.76908914832641]
ツリーベースのモデルは解釈可能性と精度が優れているが、それをスケールしても計算コストは高い。
アナログコンテンツアドレスメモリ(CAM)でこれらのモデルを高速化するためのこれまでの努力は難しかった。
この研究は、FlashベースのアナログCAMに固有のソフトバウンダリを持つ$MoS$を使って、ハードウェアとソフトウェアを共同設計する手法を提案する。
論文 参考訳（メタデータ） (2025-07-16T16:31:20Z) - First-of-its-kind AI model for bioacoustic detection using a lightweight associative memory Hopfield neural network [0.0]
生物音響学における課題は、受動的音響モニタリング装置から生成される膨大な量のデータを分析することである。
我々のモデル定式化は、生物音響解析に現在のAIモデルを使用する際に発生する重要な問題に対処する。
これは、透過的で説明可能なホップフィールドニューラルネットワークを介して連想メモリを使用して、信号を格納し、類似した信号を検知する。
論文 参考訳（メタデータ） (2025-07-14T16:37:20Z) - A Hybrid Machine Learning Framework for Optimizing Crop Selection via Agronomic and Economic Forecasting [0.0]
インド、カルナタカのような発展途上国の農家は、極端な市場と気候の変動をナビゲートすると同時に、リテラシー障壁によるデジタル革命から除外する、という2つの課題に直面している。
本稿では,機械学習と人-コンピュータインタラクションのユニークな合成により,両課題に対処する新しい意思決定支援システムを提案する。
論文 参考訳（メタデータ） (2025-07-06T06:18:41Z) - MMBench: Is Your Multi-modal Model an All-around Player? [114.45702807380415]
視覚言語モデルのマルチモーダル能力を評価するためのベンチマークであるMMBenchを提案する。
MMBenchは、よく設計された品質制御スキームで慎重にキュレートされている。
MMBenchは英語版と中国語版の両方で複数の質問を取り入れている。
論文 参考訳（メタデータ） (2023-07-12T16:23:09Z) - Using Sampling to Estimate and Improve Performance of Automated Scoring
Systems with Guarantees [63.62448343531963]
本稿では,既存のパラダイムを組み合わせることで,人間が知能的に収集する応答をサンプリングする手法を提案する。
比較的少ない予算で精度(平均19.80%)と二次重み付きカッパ(平均25.60%)の顕著な増加を観察した。
論文 参考訳（メタデータ） (2021-11-17T05:00:51Z) - Automated Agriculture Commodity Price Prediction System with Machine
Learning Techniques [0.8998318101090188]
農業商品価格を予測するためのWebベースの自動システムを提案する。
最も最適なアルゴリズムである平均0.304の平均二乗誤差を持つLSTMモデルを予測エンジンとして選択した。
論文 参考訳（メタデータ） (2021-06-24T03:10:25Z)
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。