利用 RAG 驱动的精准度克服 LLM 挑战以实现咖啡叶病害治理
信息检索
2024-08-31 v1 计算与语言
摘要
本研究引入了一种创新的 AI 驱动的精准农业系统，利用 YOLOv8 进行病害识别，并利用检索增强生成 (RAG) 进行上下文感知诊断。该系统专注于解决影响卡纳塔克邦咖啡生产行业的病害挑战，将先进的物体检测技术与语言模型相结合，以应对大型语言模型 (LLM) 固有的局限性。我们的方法不仅解决了 LLM 中的幻觉问题，还引入了动态的病害识别与治理策略。实时监测、协作数据集扩展以及组织参与确保了该系统在多种农业环境中的适应性。所提系统的影响超越了自动化，旨在保障粮食供应、保护生计并促进环保农业实践。通过促进精确的病害识别，该系统有助于实现可持续和环境意识农业，减少对农药的依赖。展望未来，该项目设想在 RAG 集成的物体检测系统中持续发展，强调可扩展性、可靠性和可用性。本研究力求成为农业领域积极变革的灯塔，与全球为实现可持续和技术增强的粮食生产所作的努力保持一致。
引用
@article{arxiv.2405.01310,
title = {Overcoming LLM Challenges using RAG-Driven Precision in Coffee Leaf Disease Remediation},
author = {Selva Kumar S and Afifah Khan Mohammed Ajmal Khan and Imadh Ajaz Banday and Manikantha Gada and Vibha Venkatesh Shanbhag},
journal= {arXiv preprint arXiv:2405.01310},
year = {2024}
}
备注
6 pages, 3 figures