IGrow:智慧农业解决方案 – 自主温室控制
通过物联网和机器学习的融合,本研究旨在构建和实施一个复杂的农业温室控制系统。通过对温室内在环境参数的细致监控和机器学习算法的整合,温室内的条件得以适当调节。预期的结果是提高农作物的生长效率和产量,减少资源浪费。
Feb, 2024
设计并进行实验,展示了一款称为农业应用机器人 (AAR) 的轻型、太阳能电动的智能地面机器人,其使用智能感知进行植物的检测和分类,在半自主的情况下可以对低矮蔬菜进行各种操作,如除草、施肥、喷洒杀虫剂等,并提供了对未来研究的有用信息。
Aug, 2022
利用嵌入模型深度强化学习的智能闭环控制框架,结合计算机视觉算法和作物生长模型得到温度、湿度、光照强度和二氧化碳浓度等精确测量值,实现效果优于传统温室控制方法并使成本大大降低。
Dec, 2019
为了帮助小农户在气候变化下提高农业生产力,本研究将农作物管理决策支持系统模型化为一个马尔可夫决策过程,并采用 Li and Li (2019) 的 Follow the Weighted Leader (FWL) 在线学习算法为农户提供种植建议,通过模拟成功提出了保持效用的农作物种植模式,并与离线规划算法相比,大大减少了运行时间,但实现了相同的累计收益。
Nov, 2023
本研究探讨了人工智能(AI),尤其是强化学习(RL)在农业中的应用,以提高作物产量、精确调整氮肥使用和浇水量、减少硝酸盐径流和温室气体排放为重点,特别关注来自土壤的氧化亚氮(N2O)排放。通过使用部分可观察马尔可夫决策过程(POMDP)和作物模拟器来模拟 AI 智能体与农业环境的互动,应用基于循环神经网络(RNN)的深度 Q 学习和 Q 网络进行智能体的训练,在模拟器中整合了机器学习(ML)模型来预测 N2O 排放。我们通过概率机器学习方法处理了 N2O 排放估算中的不确定性,并通过随机天气模型应对气候变异,提供一系列排放结果以提高预测可靠性和决策能力。通过纳入气候变化因素,提升了智能体的气候适应能力,旨在实现可持续农业实践。研究结果表明,通过惩罚 N2O 排放,在气候变暖和降水减少等气候变化条件下,这些智能体能够平衡作物生产和环境问题。这种策略改善了气候变化下的农业管理,突出了人工智能在可持续农业中的作用。
Feb, 2024
全球挑战如人口增长、气候变化和资源稀缺日益严重,农业领域正处于关键时刻。可持续垂直农业作为解决这些挑战的转型性解决方案,通过在受控环境中最大化作物产量进行种植。这种范式转变需要集成尖端技术,其中人工智能(AI)处于前沿。本文全面探讨了 AI 在可持续垂直农业中的作用,研究其潜力、挑战和机遇。该综述汇集了当前 AI 应用的状况,包括机器学习、计算机视觉、物联网(IoT)和机器人技术,用于优化资源利用、自动化任务和增强决策能力。它发现了研究的空白,强调了优化 AI 模型、跨学科合作和农业中可解释性 AI 的发展的需要。其影响超出了效率的提高,而考虑了经济可行性、减少环境影响和增加食品安全。本文最后为相关利益相关者提供了见解,并提出了未来研究的方向,旨在引导将 AI 技术整合到可持续垂直农业中,为农业的弹性和可持续发展提供支持。
Nov, 2023
本文提出了一种智能作物管理系统,采用深度强化学习(RL)、模仿学习(IL)和作物模拟技术,通过同时优化氮肥施用和灌溉,解决了对特定种植环境和作物寻找最佳管理实践的挑战。实验结果表明,该管理系统在不同观测情况下的训练策略均取得了更好的效果,并且部分观测策略可以直接在实际情况中使用。
Sep, 2022
该研究文章展示了数据驱动决策支持在水产养殖中的强大作用,承诺满足日益增长的对海鲜的需求,同时强调环境责任与经济可行性,从而彻底改变未来的养鱼方式。
Nov, 2023
该研究提出了一种新型硬件和算法,利用物理规模的实验室和神经网络等技术相结合,实现了对不同作物进行自动化修剪的目标。该系统能够自动评估植物分布,选择要裁剪的部位,并根据训练好的神经网络自动裁剪,维护植物多样性和覆盖率。实验结果证明,系统能够在保持高平均枝叶覆盖率的同时,实现高度规范化的多植物分布。
Aug, 2022