論文の概要: Zhinong AI: A Design-Science Study of an AI-Enabled Agricultural Decision-Support Platform for Smallholder Production
- arxiv url: http://arxiv.org/abs/2606.20601v1
- Date: Tue, 19 May 2026 15:41:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 19:12:59.846794
- Title: Zhinong AI: A Design-Science Study of an AI-Enabled Agricultural Decision-Support Platform for Smallholder Production
- Title（参考訳）: Zhinong AI: 小規模生産のためのAI対応農業意思決定プラットフォームの設計研究
- Abstract要約: 本稿では,Zhinong AI Agricultural Decision Platformの設計科学ケーススタディを提案する。
農業情報プッシュサービス、自然言語による質問応答、画像に基づく作物病診断とプロットと農業カレンダ管理を統合している。
このコントリビューションは、AI農業プロトタイプを実証的にテスト可能な、説明可能な、局所的な意思決定支援インフラストラクチャに変換するための構造化された研究フレームワークである。
- 参考スコア（独自算出の注目度）: 16.11076456389839
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Artificial intelligence is increasingly moving from single-purpose agricultural recognition tools toward integrated decision-support systems that connect information access, diagnosis, task execution and post-action feedback. This paper presents a design-science case study of the Zhinong AI Agricultural Decision Platform, a farmer-facing system that integrates agricultural information push services, natural-language question answering, image-based crop disease diagnosis, plot and farming-calendar management, workflow orchestration, a Hainan Free Trade Port agricultural service zone and an age-friendly care mode. Based on public project materials, policy context and prior research on smart agriculture, machine learning and design science, the paper constructs a layered system architecture and a closed-loop decision process summarized as sensing, analysis, planning, execution and feedback. It further proposes a function-pain-point mapping matrix, an evaluation indicator system and a governance framework covering data provenance, model risk, expert review, privacy and adoption risk. The study does not claim measured field performance because production logs, controlled user studies and expert-labeled local image datasets were not available at the time of writing. Instead, the contribution is a structured research framework for transforming an AI agricultural prototype into an empirically testable, accountable and localized decision-support infrastructure for smallholder production.
- Abstract（参考訳）: 人工知能は、単一目的の農業認識ツールから、情報アクセス、診断、タスク実行、ポストアクションフィードバックを接続する統合された意思決定支援システムへと、ますます移行しつつある。
本稿では,農業情報プッシュサービス,自然言語による質問応答,画像に基づく作物病診断,プロットと農業カレンダ管理,ワークフローオーケストレーション,海南自由貿易港農業サービスゾーン,年齢対応型ケアモードを統合した農業用AI農業意思決定プラットフォームの設計科学ケーススタディを提案する。
本論文は,スマート農業,機械学習,デザイン科学に関する公開プロジェクト資料,政策状況,先行研究に基づいて,センサ,分析,計画,実行,フィードバックとして要約された階層化されたシステムアーキテクチャと閉ループ決定プロセスを構築する。
さらに,データプロビデンス,モデルリスク,専門家レビュー,プライバシ,採用リスクを対象とする,機能ペイントポイントマッピングマトリックス,評価指標システム,ガバナンスフレームワークを提案する。
この研究は、プロダクションログ、制御されたユーザスタディ、エキスパートラベル付きローカル画像データセットが執筆時点で利用できなかったため、測定されたフィールド性能を主張していない。
このコントリビューションは、AI農業プロトタイプを、小規模生産のための実証テスト可能な、説明可能な、局所的な意思決定支援インフラストラクチャに変換するための構造化された研究フレームワークである。
関連論文リスト
- AutoResearch AI: Towards AI-Powered Research Automation for Scientific Discovery [184.2309450554096]
AutoResearchはAIを活用した科学ワークフロー自動化の開発スペクトルとして定義されている。
我々は、研究システムが制御、エビデンス、実行、検証、説明責任を再分配し、その分野を組織化する方法について分析する。
本稿では,5つの評価次元 – ノベルティ,インパクト,信頼性,証明 – を提案し,AutoResearchの自律性はドメイン条件であることを示す。
論文 参考訳（メタデータ） (2026-05-22T03:40:30Z) - Advances and Frontiers of LLM-based Issue Resolution in Software Engineering: A Comprehensive Survey [59.3507264893654]
課題解決は、現実世界の開発に不可欠な複雑なソフトウェアエンジニアリングタスクです。
SWE-benchのようなベンチマークでは、このタスクは大規模言語モデルでは極めて困難であることが判明した。
本稿では,この新興領域を体系的に調査する。
論文 参考訳（メタデータ） (2026-01-15T18:55:03Z) - A Multimodal Conversational Assistant for the Characterization of Agricultural Plots from Geospatial Open Data [0.0]
本研究では,多モーダル検索と大規模言語モデル(LLM)を統合したオープンソースの対話型アシスタントを提案する。
提案したアーキテクチャは, 検索拡張生成(RAG)によるオクトロフォト, セチネル-2植生指標, およびユーザ提供文書を組み合わせたものである。
予備的な結果は、農業用クエリに対して明確で、関連性があり、コンテキスト対応の応答を生成することができることを示している。
論文 参考訳（メタデータ） (2025-09-22T09:02:53Z) - Enhancing Smart Farming Through Federated Learning: A Secure, Scalable, and Efficient Approach for AI-Driven Agriculture [0.0]
本研究は,作物病検出のためのスケーラブルで効率的かつセキュアなソリューションを開発することを目的とした,スマート農業のための連合学習フレームワークを提案する。
本提案手法は, 農作物病の分類において, センシティブな農作物データをローカルに維持し, 協調的モデル更新を可能にすることによって, 高い精度で作物病の分類を実現することを目的とする。
ミネソタ州の農家からのデータ収集,ローカルなディープラーニングアルゴリズムの適用,トランスファーラーニング,モデルリファインメントのための集中集約サーバなどについて概説する。
論文 参考訳（メタデータ） (2025-09-15T18:57:32Z) - AI in Agriculture: A Survey of Deep Learning Techniques for Crops, Fisheries and Livestock [77.95897723270453]
作物、漁業、家畜が世界の食料生産のバックボーンを形成し、成長を続ける世界の人口を養うのに不可欠である。
これらの問題に対処するには、効率的で正確でスケーラブルな技術ソリューションが必要であり、人工知能(AI)の重要性を強調している。
本調査では,従来の機械学習アプローチ,高度なディープラーニング技術,最新のビジョン言語基礎モデルなど,200以上の研究成果を体系的かつ徹底的にレビューする。
論文 参考訳（メタデータ） (2025-07-29T17:59:48Z) - Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。
本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
論文 参考訳（メタデータ） (2025-06-22T16:52:48Z) - OpenAg: Democratizing Agricultural Intelligence [0.0]
OpenAgは、農業用汎用人工知能(AGI)を進化させるために設計された包括的なフレームワークである
ドメイン固有の基礎モデル、神経知識グラフ、マルチエージェント推論、因果説明可能性、適応的伝達学習を組み合わせる。
科学的知識と経験豊富な農家の暗黙の専門知識のギャップを埋めて、スケーラブルで局所的な農業意思決定を支援することを目的としている。
論文 参考訳（メタデータ） (2025-06-05T02:44:38Z) - Multimodal Agricultural Agent Architecture (MA3): A New Paradigm for Intelligent Agricultural Decision-Making [32.62816270192696]
現代の農業は生産効率を最適化し、持続可能な開発を達成するという2つの課題に直面している。
これらの課題に対処するために,本研究では,革新的なtextbfMultimodal textbfAgricultural textbfAgent textbfArchitecture (textbfMA3)を提案する。
本研究では、分類、検出、視覚質問応答(VQA)、ツール選択、エージェント評価の5つの主要なタスクを含むマルチモーダル農業エージェントデータセットを構築した。
論文 参考訳（メタデータ） (2025-04-07T07:32:41Z) - The Responsible Foundation Model Development Cheatsheet: A Review of Tools & Resources [100.23208165760114]
ファンデーションモデル開発は、急速に成長するコントリビュータ、科学者、アプリケーションを引き付けている。
責任ある開発プラクティスを形成するために、我々はFoundation Model Development Cheatsheetを紹介します。
論文 参考訳（メタデータ） (2024-06-24T15:55:49Z) - 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) - OAK4XAI: Model towards Out-Of-Box eXplainable Artificial Intelligence
for Digital Agriculture [4.286327408435937]
我々は農業における知識を説明するために農業コンピューティングオントロジー(AgriComO)を構築した。
XAIは、意思決定と訓練されたAIモデルに対して、人間に理解可能な説明を提供しようとしている。
論文 参考訳（メタデータ） (2022-09-29T21:20:25Z)
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。