智慧农业中的信息融合：机器学习应用与未来研究方向
机器学习
2025-03-19 v2 人工智能
摘要
机器学习（ML）是一项快速发展的技术，其在各个领域的应用不断扩大。本文对近期 ML 在农业可持续性和效率方面的应用进行了全面综述。现有综述主要集中于狭窄的子领域或缺乏融合驱动的视角。本研究对 ML 在农业中的应用进行了综合分析，围绕五个关键目标构建：(i) 分析产前、产中和产后阶段的 ML 技术。(ii) 展示如何将 ML 与农业数据和数据融合结合使用。(iii) 进行文献计量和统计分析以揭示研究趋势与活动。(iv) 调查使用不同类型多传感器和多源数据的领先人工智能（AI）驱动农业公司的真实案例研究。(v) 汇编公开可用的数据集以支持 ML 模型训练。超越以往现有综述，本综述重点关注机器学习（ML）技术结合多源数据融合（整合遥感、IoT 和气候分析）如何通过提高预测准确性和决策能力来增强精准农业。案例研究和统计见解说明了 AI 驱动智慧农业的发展格局，同时未来研究方向也讨论了异构数据集数据融合相关的挑战。本综述弥合了 AI 研究与农业应用之间的差距，为研究人员、行业专业人士和政策制定者利用信息融合和 ML 推进精准农业提供了路线图。
引用
@article{arxiv.2405.17465,
title = {Information Fusion in Smart Agriculture: Machine Learning Applications and Future Research Directions},
author = {Aashu Katharria and Kanchan Rajwar and Millie Pant and Juan D. Velásquez and Václav Snášel and Kusum Deep},
journal= {arXiv preprint arXiv:2405.17465},
year = {2025}
}