Применение машинного обучения в точном земледелии: всесторонний обзор

Сельское хозяйство играет важную роль в экономическом развитии любой страны. В условиях роста численности населения, частых изменений климатических условий и ограниченности ресурсов обеспечение продовольственных потребностей современного населения становится сложной задачей. Точное земледелие, также известное как интеллектуальное сельское хозяйство, стало инновационным инструментом решения современных проблем устойчивого развития сельского хозяйства. Механизмом, обеспечивающим работу этой передовой технологии, является машинное обучение (ML), которое позволяет машинам обучаться без явного программирования. Машинное обучение в сочетании с сельскохозяйственной техникой, оснащённой технологиями Интернета вещей (IoT), является ключевым компонентом следующей сельскохозяйственной революции. В статье представлен систематический обзор применений ML в сельском хозяйстве. Рассмотрены прогнозирование параметров почвы, таких как содержание органического углерода и влаги, прогнозирование урожайности, обнаружение болезней и сорняков в посевах, а также выявление видов. Проанализированы применения ML совместно с компьютерным зрением для классификации различных наборов изображений сельскохозяйственных культур с целью мониторинга качества посевов и оценки урожайности. Данный подход может быть интегрирован в системы повышения эффективности животноводства, включая прогнозирование репродуктивных характеристик, диагностику нарушений пищевого поведения и анализ поведения крупного рогатого скота с использованием моделей ML на основе данных, собираемых датчиками на ошейниках, а также другие приложения. Также рассмотрены интеллектуальные системы орошения, включая капельное орошение, и интеллектуальные методы уборки урожая, которые в значительной степени сокращают потребность в ручном труде. Статья демонстрирует, как сельское хозяйство, основанное на знаниях, может повысить устойчивую продуктивность и качество сельскохозяйственной продукции.