Nov, 2023

可持续垂直农业中的人工智能

PDF
TL;DR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。
sustainable vertical farmingartificial intelligenceai applicationsresource optimizationfood security
发现论文，激发创造
  • 利用人工智能推动非洲可持续农业发展：机遇、挑战与影响

    探讨人工智能在非洲不同地区可持续农业发展中的转型潜力，研究了人工智能在农业中的应用机会、挑战和影响，对精准农业、作物监测和适应气候的实践等机会进行了考察，同时研究了与技术基础设施、数据可访问性和技能差距相关的挑战。文章分析了人工智能对小农户、供应链和包容性增长的影响，讨论了伦理考虑和政策影响，为非洲农业可持续发展中利用人工智能的讨论做出了贡献。

    Jan, 2024

  • 通过 AI、物联网和机器人技术实现先进农业的技术适应：全面综述

    本研究探讨了人工智能、物联网和机器人技术在农业领域的最新应用，并讨论了其优势、挑战以及未来研究方向。

    Feb, 2022

  • 机器学习在农业中的应用：近期趋势与未来研究方向

    人工智能在农业中的应用被大部分忽视，本文通过对机器学习在农业中的应用进行全面综述，旨在探索其在农业实践和效率提升中的转型潜力，以优化作物产量并减少环境影响。通过分析和分类农业数据，本研究突出了机器学习能够提高农场生产力和盈利能力的例子，并讨论了在农业应用中显示有希望结果的重要机器学习模型及其独特特点。通过系统综述现有文献，本文填补了人工智能在农业领域的研究空白，为新手和研究者提供了有价值的信息，更深入地了解人工智能在农业中的重要贡献和潜力，最终受益于研究界。

    May, 2024

  • 以人工智能推动农业食品系统革命：一项调查

    本文综述了人工智能在农业食品系统中的应用，首先总结了农业食品系统中的数据获取方法，其次介绍了农业、畜牧和渔业中人工智能方法的进展和应用，包括农业食品的分类、生长监测、产量预测和质量评估等，同时强调了转变现代农业食品系统所面临的潜在挑战和有前途的研究机会。

    May, 2023

  • 人工智能可持续性研究综述：学习算法的新兴趋势和研究挑战

    本文着眼于 AI 的可持续性发展问题，分析了解决该问题的机器学习方法和算法，并提出对可持续 AI 技术研究的挑战和发展方向的建议。

    May, 2022

  • 革命性的全球食品安全：通过集成 AI 基础模型和数据驱动解决方案增强韧性

    通过整合 AI 基础模型在多种粮食安全应用中的应用，利用不同数据类型解决当前深度学习和机器学习方法的局限性，本研究探讨了其在作物类型映射、农田映射、作物产量预测等方面的应用。通过利用多光谱图像、气象数据、土壤特性、历史记录和高分辨率卫星图像，AI 基础模型提供了一种多功能的解决途径，能够提供准确的预测，改善资源配置，支持明智决策，从而增强粮食安全。这些模型在解决全球粮食安全局限性方面起到了变革性的作用，标志着迈向可持续、安全粮食未来的重要一步。

    Oct, 2023

  • 可持续的人工智能：环境影响、挑战和机遇

    本篇研究从数据、算法和硬件系统综合视角探讨了 AI 的超线性增长趋势对环境的影响，着重分析了 AI 计算的碳足迹和硬件系统的全生命周期，并提出了硬件 - 软件设计和优化对减少 AI 总体碳足迹的重要性，讨论了 AI 领域的挑战和发展方向。

    Oct, 2021

  • 人工智能的 (更) 绿色世界

    本文探讨了绿色人工智能的前景，以实现更可持续、能效更高和更能意识到能源生态系统，在人工智能研究、计算和从业者社区中进行开发。包括对操作和硬件优化、数据中心 / 高性能集群的潜在变化和改进的鸟瞰，以及人工智能研究和实践世界中现有的激励结构。

    Jan, 2023

  • 使用因果机器学习实现可持续农业的个性化

    为了实现气候变化和人口增长的双重挑战，需要加强全球农作物生产并将农业从碳排放转变为碳汇，了解农业管理实践的环境影响是必要的前提。在此基础上，个性化的可持续农业是提高绿色指标的有效途径和即将出台的政策中的一个重要发展方向。本文将个性化可持续农业定义为条件平均处理效应的估计任务，并使用因果机器学习来处理。利用气候数据、土地利用信息和双重机器学习，我们估计了立陶宛的田间土壤有机碳含量在可持续农业实践方面的异质性影响，为实现可持续农业的目标提供了数据驱动的视角并扩大了全球碳汇。

    Nov, 2022

  • 绿色计算的机遇：一项调查

    人工智能在技术和研究方面取得了显著的进展，并广泛应用于计算视觉、自然语言处理、时间序列分析、语音合成等多个领域。然而，随着大型语言模型的出现，研究人员的注意力主要集中在追求最新的技术成果，导致模型规模和计算复杂性不断增加，需要更高的计算能力，进而产生更高的碳排放量，阻碍了资金有限的中小型研究机构和公司参与研究，并引发研究公平性的问题。为应对计算资源和人工智能的环境影响，绿色计算已成为一个热门的研究课题。在本调研中，我们对绿色计算中使用的技术进行了系统概述，并提出绿色计算的框架，将其分为四个关键组成部分：(1) 绿色度量指标，(2) 能效人工智能，(3) 能效计算系统和 (4) 可持续发展的人工智能应用案例。针对每个组成部分，我们讨论了研究进展及常用的优化技术，结论表明这个新的研究方向有潜力解决资源限制与人工智能发展之间的冲突。我们鼓励更多的研究人员关注这个方向，使人工智能更加环保友好。

    Nov, 2023