Zrównoważona uprawa bawełny dzięki przystępnemu IoT

Ta książka bada skrzyżowanie uczenia maszynowego (ML) sztucznej inteligencji (AI) i rolnictwa koncentrując się na ulepszaniu praktyk rolniczych poprzez rozwiązania oparte na danych. Zaczyna się od oceny systemów nawożenia i nawadniania zajmując się wyzwaniami integracyjnymi i podstawowymi komponentami takimi jak czujniki interfejsy komunikacyjne i mechanizmy nawożenia. Książka podkreśla trudności w wyborze odpowiednich modeli ze względu na mnogość opcji co prowadzi do opóźnień i wyższych kosztów. Aby temu zaradzić porównano modele nawożenia i nawadniania w oparciu o wskaźniki wydajności takie jak dokładność koszt złożoność i skalowalność. Proponuje również ulepszenia takie jak fuzja modeli w celu poprawy wydajności systemu i zmniejszenia wysiłków związanych z walidacją. Teza wprowadza strukturę MSMRBEF do monitorowania gleby wykorzystując bioinspirowane przetwarzanie zespołowe i algorytmy genetyczne do rekomendowania upraw w oparciu o warunki środowiskowe. Przedstawiono model LEIFMCY niedrogie oparte na IoT rozwiązanie do analizy plonów bawełny optymalizujące plony poprzez monitorowanie gleby w czasie rzeczywistym i analizę predykcyjną.