¿Cuáles son los temas de investigación interesantes sobre el aprendizaje automático sobre agricultura?

Una posible dirección sería la aplicación del aprendizaje automático en la agricultura de precisión. Por ejemplo, uno podría capacitar a los clasificadores para tomar diversos datos del sensor como entrada y predecir el momento adecuado para plantar los cultivos, la cantidad (si es que la necesita) de fertilizantes necesarios y el momento adecuado para cosechar los cultivos. [3,4]

Otra posible dirección sería determinar la salud del cultivo. Podrías entrenar a un clasificador, digamos una Red neuronal convolucional, para clasificar las imágenes de cultivos en saludables o enfermas. [1,2] Este es un problema de clasificación binaria, y con un número suficiente de ejemplos de entrenamiento, tu clasificador debería lograr un buen rendimiento en datos de prueba.

[1] El futuro del suministro de alimentos de la humanidad está en manos de la IA

[2] Descartes Labs recauda $ 5 millones para hacer predicciones agrícolas con aprendizaje profundo

[3] Agricultura de precisión

[4] http://citeseerx.ist.psu.edu/vie…

El aprendizaje automático se puede utilizar para predecir el desperdicio de alimentos y, además, modelar y predecir medios para reducir el desperdicio de alimentos que tienen poco impacto en las ganancias o incluso aumentan las ganancias. El desperdicio de alimentos es un gran problema y resolverlo puede ayudar a acabar con el hambre y los problemas que surgen con la sobrepoblación. Un problema es que los productores y los minoristas están motivados por las ganancias, por lo que si se les puede mostrar formas de reducir el desperdicio de alimentos sin perder ganancias, estarán motivados a adoptarlos. Por ejemplo, si se puede demostrar que la venta de fruta fea en ciertas tiendas en áreas de bajos ingresos en realidad aumenta las ganancias. (solo una suposición, depende del proceso de aprendizaje automático hacer la investigación e informar)

Sé que otros están trabajando en esto, pero hay mucho margen de mejora. Se pueden recopilar más datos y utilizar nuevos enfoques. Se puede utilizar un sistema de aprendizaje profundo que utiliza series de tiempo históricas compuestas de conjuntos de características heterogéneas para modelar aumentos y disminuciones en el desperdicio de alimentos y ganancias, los enfoques de aprendizaje no supervisados ​​como la agrupación se pueden usar para agrupar a productores y minoristas con respecto al desperdicio de alimentos y ganancias, nuevos desperdicios se pueden desarrollar enfoques de visualización y minería de datos visuales relacionados. O tal vez podría ir en una dirección completamente diferente … (por ejemplo, algo relacionado con psicología o sociología y desperdicio de alimentos)

Una aplicación es la detección de imágenes y la comunicación de enjambres de drones. Los drones se utilizan para escanear cada árbol y crear un modelo para cada árbol. Este modelo ayuda a detectar plagas, el tipo de información que necesita cada árbol (agua, sol, etc.), indica la salud de cada planta, cuenta el número de frutas en cada árbol y otros detalles.

Todo esto ayuda al agricultor a mejorar la producción.

Mira el siguiente video. Desde el mínimo 9:00 se trata de la aplicación en la agricultura.