智慧农业和精准农业中的机器学习


发布时间:

2022-08-09

来源:

本站

作者:

PhenoTrait

  在几乎所有由数据驱动的行业中,数据的数字化已经引发了一场数据海啸。此外,人机数字数据处理将信息波放大了一个大量级。农业管理中的数字应用显著增加,这影响了信息和通信技术(ICT),为生产者和消费者提供好处,并导致技术解决方案被推向农村环境。本文展示了传统农业中潜在的ICT技术,以及将其应用于农业实践时所遇到的问题。文中详细描述了机器人技术、物联网设备和机器学习的挑战,以及机器学习、人工智能和传感器在农业中的作用。此外,无人机正在考虑进行作物监测和管理作物产量优化。此外,在适当的时候,还会提到全球最先进的物联网农业系统和平台。我们对我们工作的每个领域的最新文献进行了详细的研究。从这篇广泛的综述中,我们得出了人工智能(AI)当前和未来的趋势,并确定了目前和即将到来的人工智能在农业领域的研究挑战。

 

  图1 建立将传统农业转变为智能农业的信息通信技术框架

 

  图2 智能农业组件结构

 

  图3 论文架构

 

  图4 各农业任务的一般分类及重要参数

 

  图5 作物表型分析的过程。A表型计算,b表型图像获取

 

  图6 表型获取平台。a无人机,b蓝河科技播种机,c农业机器人草莓收割机,d自主机器人,e农业喷洒机器人,f农业机器人田间应用,g机器人表现型,h自主农业机器人“Vinebot”,i农业机器人,j草莓收获机器人,k苹果收获机器人,l除草机器人

 

  来源:Shaikh, T.A., Mir, W.A., Rasool, T. et al. Machine Learning for Smart Agriculture and Precision Farming: Towards Making the Fields Talk. Arch Computat Methods Eng (2022). https://doi.org/10.1007/s11831-022-09761-4

  

  编辑:王春颖

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。