Eksploracja danych w rolnictwie

Eksploracja danych w rolnictwie to najnowszy temat badań obejmujący zastosowanie technik eksploracji danych i nauki o danych w rolnictwie . Najnowsze technologie są w stanie dostarczyć obszerne dane na temat działalności związanej z rolnictwem, które następnie można przeanalizować w celu znalezienia odpowiednich informacji. Powiązanym, ale nie równoważnym terminem jest rolnictwo precyzyjne .

Aplikacje

Związek między opryskami a wadami owoców

Wady owoców są często odnotowywane (z wielu powodów, czasami ze względów ubezpieczeniowych przy eksporcie owoców za granicę). Można to zrobić ręcznie lub za pomocą wizji komputerowej (wykrywanie wad powierzchni podczas sortowania owoców). Dzienniki oprysków są wymogiem prawnym w wielu krajach i zawierają przynajmniej datę oprysku i nazwę produktu. Wiadomo, że opryski mogą mieć wpływ na różne wady owoców dla różnych owoców. Spraye grzybobójcze są często stosowane w celu zapobiegania wyrażaniu się gnicia na owocach. Wiadomo również, że niektóre spraye mogą powodować rdzawienie jabłek. Obecnie znaczna część tej wiedzy pochodzi z anegdot, jednak podjęto pewne wysiłki w odniesieniu do wykorzystania eksploracji danych w ogrodnictwie.

Prognozowanie problematycznych fermentacji wina

Proces fermentacji wina wpływa na produktywność przemysłu związanego z winem, a także na jakość wina. Techniki data science, takie jak algorytm k-średnich i techniki klasyfikacji oparte na koncepcji biclusteringu , zostały wykorzystane do badania procesu fermentacji w celu przewidywania problematycznych fermentacji wina. Metody te różnią się od technik, w których dokonuje się klasyfikacji różnych rodzajów win. Więcej informacji można znaleźć na stronie wiki Klasyfikacja wina .

Prognozowanie energii metabolicznej paszy dla drobiu metodą grupową sieci neuronowej typu data handling

Do przewidywania energii metabolicznej mączki z pierza i mączki z podrobów drobiowych na podstawie zawartości białka, tłuszczu i popiołu zastosowano grupową metodę sieci neuronowej typu GMDH ( sieć typu GMDH ) z ewolucyjną metodą algorytmu genetycznego . Opublikowane próbki danych zostały zebrane z literatury i wykorzystane do trenowania modelu sieci typu GMDH . Nowatorskie modelowanie GMDH za pomocą ewolucyjnej metody algorytmu genetycznego może być wykorzystane do przewidywania energii metabolicznej próbek paszy dla drobiu na podstawie ich składu chemicznego. Doniesiono również, że GMDH może być wykorzystana do dokładnego oszacowania wydajności drobiu na podstawie składników pokarmowych, takich jak energia metaboliczna, białko i aminokwasy .

Wykrywanie chorób na podstawie dźwięków wydawanych przez zwierzęta

Wykrywanie chorób w gospodarstwach może pozytywnie wpłynąć na produktywność gospodarstwa poprzez ograniczenie zarażenia innych zwierząt. Co więcej, wczesne wykrycie choroby może pozwolić rolnikowi na leczenie i izolację zwierzęcia, gdy tylko pojawi się choroba. Dźwięki wydawane przez świnie , takie jak kaszel, mogą być analizowane w celu wykrycia chorób. Opracowywany jest system obliczeniowy, który jest w stanie monitorować dźwięki świń za pomocą mikrofonów zainstalowanych w gospodarstwie, a także rozróżniać różne dźwięki, które można wykryć.

Wzrost owiec z polimorfizmu genów z wykorzystaniem sztucznej inteligencji

reakcji łańcuchowej polimerazy - polimorfizmu konformacji pojedynczej nici ( PCR -SSCP) zastosowano do określenia polimorfizmu hormonu wzrostu (GH), leptyny , kalpainy i kalpastatyny u samców owiec irańskich Baluchi . Opracowano model sztucznej sieci neuronowej (ANN) w celu opisania średniego dziennego przyrostu (ADG) u jagniąt na podstawie parametrów wejściowych polimorfizmu GH, leptyny, kalpainy i kalpastatyny, masy urodzeniowej i typu urodzeniowego . Wyniki ujawniły, że model SSN jest odpowiednim narzędziem do rozpoznawania wzorców danych do przewidywania wzrostu jagniąt pod względem ADG, biorąc pod uwagę polimorfizm określonych genów, masę urodzeniową i typ urodzenia. Platforma podejścia PCR-SSCP i ANN może być wykorzystana w programach selekcji i hodowli wspomaganej markerami molekularnymi do zaprojektowania schematu zwiększania efektywności produkcji owiec .

Sortowanie jabłek według watercores

Jabłka przed pójściem na rynek są sprawdzane, a te, które wykazują wady, są usuwane. Jednak są też niewidoczne wady, które mogą zepsuć smak i wygląd jabłka. Przykładem niewidocznej wady jest wewnętrzna choroba jabłka, która może wpływać na długowieczność owocu, zwana watercorem. Jabłka z lekkim lub łagodnym rdzeniem wodnym są słodsze, ale jabłka z umiarkowanym lub silnym rdzeniem wodnym nie mogą być przechowywane przez dłuższy czas. Co więcej, kilka owoców z silnym watercorem może zepsuć całą partię jabłek. Z tego powodu opracowywany jest system obliczeniowy, który wykonuje rentgenowskie owoców poruszających się po taśmach , a także jest w stanie przeanalizować (za pomocą technik eksploracji danych) wykonane zdjęcia i oszacować prawdopodobieństwo, że owoc zawiera wodne.

Optymalizacja stosowania pestycydów poprzez eksplorację danych

Niedawne badania przeprowadzone przez naukowców zajmujących się rolnictwem w Pakistanie wykazały, że próby maksymalizacji plonów bawełny poprzez pro-pestycydową politykę państwa doprowadziły do ​​niebezpiecznie wysokiego zużycia pestycydów. Badania te wykazały ujemną korelację między stosowaniem pestycydów a plonami w Pakistanie. W związku z tym nadmierne stosowanie (lub nadużywanie) pestycydów szkodzi rolnikom, powodując niekorzystne skutki finansowe, środowiskowe i społeczne. Eksploracja danych bawełnianych danych Pest Scouting wraz z zapisami meteorologicznymi wykazała, w jaki sposób można zoptymalizować (zredukować) stosowanie pestycydów. Grupowanie danych ujawniło interesujące wzorce praktyk rolników wraz z dynamiką stosowania pestycydów, a tym samym pomogło zidentyfikować przyczyny tego nadużywania pestycydów.

Wyjaśnianie nadużywania pestycydów przez eksplorację danych

Aby monitorować wzrost bawełny, różne departamenty i agencje rządowe w Pakistanie od dziesięcioleci rejestrują dane dotyczące wykrywania szkodników, rolnictwa i danych metrologicznych. Zgrubne szacunki dotyczące tylko zarejestrowanych danych dotyczących szkodników bawełny wynoszą około 1,5 miliona rekordów i rosną. Zarejestrowane podstawowe dane Agromet nigdy nie zostały zdigitalizowane, zintegrowane ani znormalizowane w celu uzyskania pełnego obrazu, a zatem nie mogą wspierać procesu decyzyjnego, co wymaga Hurtowni Danych Rolniczych. Tworząc nowatorską hurtownię danych pilotażowego rozszerzenia rolnictwa, a następnie analizując za pomocą zapytań i eksploracji danych, dokonano kilku interesujących odkryć, takich jak pestycydy opryskiwane w niewłaściwym czasie, niewłaściwe pestycydy stosowane z właściwych powodów oraz czasowy związek między stosowaniem pestycydów a dniem tygodnia.

Analiza danych dotyczących wydajności kurczaków za pomocą modeli sieci neuronowych

Platforma modeli opartych na sztucznych sieciach neuronowych z analizą wrażliwości i algorytmami optymalizacyjnymi została z powodzeniem wykorzystana do zintegrowania opublikowanych danych dotyczących reakcji kurcząt brojlerów na treoninę . Analizy sztucznej sieci neuronowej pod kątem przyrostu masy ciała i wydajności paszy na podstawie skompilowanego zestawu danych sugerują, że stężenie białka w diecie było ważniejsze niż stężenie treoniny . Uzyskane wyniki wykazały, że dieta zawierająca 18,69% białka i 0,73% treoniny może prowadzić do uzyskania optymalnych przyrostów masy ciała, natomiast optymalne wykorzystanie paszy można osiągnąć stosując dietę zawierającą 18,71% białka i 0,75 % treoniny .

Literatura

Istnieje kilka czasopism poświęconych rolnictwu precyzyjnemu , takich jak Springer's Precision Agriculture lub Elsevier's Computers and Electronics in Agriculture , ale nie są one poświęcone wyłącznie eksploracji danych w rolnictwie.