ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И МАШИННОГО ОБУЧЕНИЯ В СЕЛЬСКОМ ХОЗЯЙСТВЕ
Keywords:
искусственный интеллект (ИИ), машинное обучение (МО), сельское хозяйство, прогнозирование заболеваний, автоматизация процессов, случайный лес, нейронные сети, роботы, дроны, сенсорыAbstract
В последние годы искусственный интеллект (ИИ) и машинное обучение (МО) стали важными инструментами в различных отраслях, включая сельское хозяйство. Эти технологии позволяют улучшить эффективность и продуктивность сельскохозяйственных процессов, снижая затраты и минимизируя негативное воздействие на окружающую среду. Данная работа фокусируется на применении ИИ и МО в моделях прогнозирования заболеваний растений и вредителей, а также автоматизации процессов на основе ИИ. Использование алгоритмов МО, таких как случайный лес и нейронные сети, позволяет анализировать многомерные данные и выявлять закономерности для предсказания будущих событий. Автоматизация сельскохозяйственных процессов с помощью роботов и дронов, оснащенных сенсорами и камерами, способствует повышению точности выполнения задач и снижению трудозатрат. Внедрение этих технологий открывает новые возможности для повышения эффективности и устойчивости сельского хозяйства.
Downloads
References
Chlingaryan, A., Sukkarieh, S., & Whelan, B. (2018). Machine learning approaches for crop yield prediction and nitrogen status estimation in precision agriculture: A review. Computers and Electronics in Agriculture, 151, 61-69.
Kamilaris, A., & Prenafeta-Boldú, F. X. (2018). Deep learning in agriculture: A survey. Computers and Electronics in Agriculture, 147, 70-90.
Liakos, K. G., Busato, P., Moshou, D., Pearson, S., & Bochtis, D. (2018). Machine learning in agriculture: A review. Sensors, 18(8), 2674.
Bogue, R. (2016). Robotics and drones: Precision agriculture market sees growth but risks remain. Industrial Robot: An International Journal, 43(1), 5-10.
Gao, H., & Zhang, H. (2018). Review of recent developments in intelligent automation and sensing systems for precision agriculture. Computers and Electronics in Agriculture, 136, 32-43.
Zhang, Z., & Li, M. (2018). An overview of intelligent systems and sensors for precision agriculture and biological applications. Sensors, 18(9), 3141.
