面向精准农业的多模态系统：基于物联网与机器学习
机器学习
2021-07-13 v1
摘要
精准农业系统是一种新兴理念，指利用现代信息通信技术监管农场，以提升产量与质量，同时减少所需人力劳动。自动化需要收集传感器（如土壤、水分、光照、湿度、温度）提供的信息以进一步处理，从而为经营者提供精确数据，使农民获得优质产量。本工作提出一项研究，整合了精准农业应用中所有常见的前沿方法。使用了物联网（IoT）进行数据采集、机器学习进行作物损害预测、以及深度学习进行作物病害检测。基于物联网的数据采集负责测量湿度水平以实现智能灌溉，以及氮、磷、钾肥料估算以实现最佳产量发展。对于作物损害预测，使用了随机森林（RF）、轻量梯度提升机（LGBM）、XGBoost（XGB）、决策树（DT）和 K 近邻（KNN）等多种算法。随后，还训练了 VGG16、Resnet50 和 DenseNet121 等预训练卷积神经网络（CNN）模型，以检查作物是否染有某种病害。
引用
@article{arxiv.2107.04895,
title = {Towards a Multimodal System for Precision Agriculture using IoT and Machine Learning},
author = {Satvik Garg and Pradyumn Pundir and Himanshu Jindal and Hemraj Saini and Somya Garg},
journal= {arXiv preprint arXiv:2107.04895},
year = {2021}
}
备注
7 pages, this paper is accepted in the 12th ICCCNT 2021 conference at IIT Kharagpur, India. The final version of this paper will appear in the conference proceedings