Santosh Singh / Shrikant Chavate / Swapnil Ambade
Librería Samer Atenea
Kálamo Books
Librería Perelló (Valencia)
Librería Elías (Asturias)
Librería Kolima (Madrid)
Librería Proteo (Málaga)
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.
