Machine Learning in Agriculture: A Review.
Machine Learning in Agriculture: A Review.
复制标题
DOI：
10.3390/s18082674
复制
发表时间：
2018-08-14
期刊：
影响因子：
--
通讯作者：
Bochtis D
中科院分区：
文献类型：
--
作者：
Liakos KG;Busato P;Moshou D;Pearson S;Bochtis D
机器学习随着大数据技术和高性能计算的出现，为多学科农业技术领域的数据密集型科学创造了新的机遇。在本文中，我们对机器学习在农业生产系统中的应用的研究进行了全面的回顾。分析的工作分为（a）作物管理，包括产量预测、疾病检测、杂草检测、作物质量和物种识别方面的应用； (b) 牲畜管理，包括动物福利和牲畜生产方面的应用； (c) 水管理； (d) 土壤管理。对所呈现文章的过滤和分类展示了农业将如何从机器学习技术中受益。通过将机器学习应用于传感器数据，农场管理系统正在演变成实时人工智能支持的程序，为农民的决策支持和行动提供丰富的建议和见解。
Machine learning has emerged with big data technologies and high-performance computing to create new opportunities for data intensive science in the multi-disciplinary agri-technologies domain. In this paper, we present a comprehensive review of research dedicated to applications of machine learning in agricultural production systems. The works analyzed were categorized in (a) crop management, including applications on yield prediction, disease detection, weed detection crop quality, and species recognition; (b) livestock management, including applications on animal welfare and livestock production; (c) water management; and (d) soil management. The filtering and classification of the presented articles demonstrate how agriculture will benefit from machine learning technologies. By applying machine learning to sensor data, farm management systems are evolving into real time artificial intelligence enabled programs that provide rich recommendations and insights for farmer decision support and action.
登录
查看更多内容
DOI：
10.1109/jstars.2016.2561618
发表时间：
2017-07-01
影响因子：
5.5
作者：
Ali, Iftikhar;Cawkwell, Fiona;Green, Stuart
通讯作者：
Green, Stuart
影响因子：
7.5
作者：
CORTES, C;VAPNIK, V
通讯作者：
VAPNIK, V
影响因子：
8.3
作者：
Alonso, Jaime;Villa, Alfonso;Bahamonde, Antonio
通讯作者：
Bahamonde, Antonio
影响因子：
8.3
作者：
Binch, A.;Fox, C. W.
通讯作者：
Fox, C. W.
影响因子：
3.1
作者：
Cao, Jiuwen;Lin, Zhiping;Huang, Guang-Bin
通讯作者：
Huang, Guang-Bin