Santosh Singh / Shrikant Chavate / Swapnil Ambade
Librería Samer Atenea
Librería Aciertas (Toledo)
Kálamo Books
Librería Perelló (Valencia)
Librería Elías (Asturias)
Donde los libros
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.
