分布式账本能否帮助克服农业机器学习任务对标记数据的需求?


发布时间:

2023-08-01

来源:

植物表型资讯

作者:

PhenoTrait

本文描述了数据处理和共享的最新方法的局限性,以开发用于植物表型和精准农业的人工智能驱动应用程序。它将引入的分布式账本技术的识别潜力与智能合约驱动机制结合起来,使科学家和植物表型实体能够通过引入基于分布式账本的数据跟踪来提高科学数据的可用性,该方法被集成到更广泛的生态系统中,为其利益相关者提供不同的激励措施。它描述了一种可能的解决方案,通过将编辑的数据集与来自不同参与者的元数据连接起来,克服各种用于数据存储和共享的孤岛解决方案。它有助于克服机器学习模型的当前瓶颈,通过使用大量标记的训练数据,可以极大地提高其准确性。因此,定义了数据收集者、建模者和模型最终用户的角色。利用农业疾病预测系统的一个实际实例解释了基于分布式分类账方法的工作流程。

 

 图1 一个市场生态系统的例子。用户参与包括:数据提供者、应用程序/GUI用户、数据管理员和AI/ML培训师。市场支持买入/卖出期权和订阅者/提供者期权。可用的AI/ML模型涵盖了训练数据的不同子集。

 

图2 现代农业中数据市场生态系统的用例。数据可以在部分中用于训练ML模型,该模型由模型用户提供给农民。该示例通过基于遥感现场数据的疾病预测用例进行可视化。

 

 
来 源

Paulus Stefan Leiding Benjamin . Can distributed ledgers help to overcome the need of labelled data for agricultural machine learning tasks?. Plant Phenomics. 0;DOI:10.34133/plantphenomics.0070

 

编辑

王春颖
 

扩展阅读

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。