结合回溯式物联网传感器数据与机器学习提升草莓产量预测

由于全球人口的快速增长，数字化农业部门对于可持续粮食生产和为农户及各类利益相关者进行资源管理做出明智决策至关重要。部署收集各种环境因素（如温度、湿度等）和操作因素（如灌溉）影响生产的物联网(IoT)技术，常被视为启用额外新型下游任务（如基于AI的产量预测）的关键步骤。然而，由于AI模型需要大量数据，这在现实中动态农场环境中造成了实际挑战，IoT观测数据需要收集多个季节。本研究在草莓生产塔架中部署了物联网传感器，连续两个生长季收集环境数据，包括水耗、外部温度、内部温度、外部湿度、内部湿度、土壤湿度、土壤温度和光合有效红外辐射。将传感器观测数据与人工提供的四个季节的产量记录相组合。为了弥合两个额外季节缺失物联网观测数据的差距，我们提出了一种基于AI的回溯方法，使用来自附近气象站的历史天气数据和现有塔架观测数据生成合成传感器观测。我们构建了基于实时与合成观测数据组合的AI产量预测模型进行评估。我们的结果表明，纳入合成数据后，产量预测精度得到提高，使用合成数据的模型优于仅使用历史产量、天气记录和真实传感器数据训练的模型。