以数据为中心的数字化农业：一个视角
计算机与社会
2023-12-07 v1 计算机视觉与模式识别
摘要
为应对全球对粮食、饲料、纤维和燃料日益增长的需求，数字化农业正在快速发展以满足这些需求，同时减少环境影响。这一演变涉及整合数据科学、机器学习、传感器技术、机器人技术和新的管理策略，以建立更可持续的农业框架。迄今为止，数字化农业中的机器学习研究主要集中在以模型为中心的方法上，侧重于模型设计和评估。这些努力旨在优化模型的准确性和效率，通常将数据视为静态基准。尽管农业数据和方法论进展可用，但已达到了一个饱和点，许多已建立的机器学习方法达到了相当的准确性水平并面临类似的局限性。为了充分实现数字化农业的潜力，全面理解数据在该领域中的作用并采用以数据为中心的机器学习至关重要。这涉及制定获取和整理有价值数据的策略，以及实施利用数据内在价值的有效学习和评估策略。这种方法有可能创建准确、可泛化且适应性强的机器学习方法，有效且可持续地解决农业任务，如产量预测、杂草检测和早期病害识别。
引用
@article{arxiv.2312.03437,
title = {Data-Centric Digital Agriculture: A Perspective},
author = {Ribana Roscher and Lukas Roth and Cyrill Stachniss and Achim Walter},
journal= {arXiv preprint arXiv:2312.03437},
year = {2023}
}