Maschinelles Lernen und seine Anwendungen in der Landwirtschaft

Die Agrarplanung spielt eine wichtige Rolle für das Wirtschaftswachstum und die Ernährungssicherheit eines Landes. Die Auswahl der Feldfrüchte ist ein wichtiger Faktor bei der Agrarplanung. Landwirte planen den Anbauprozess in der Regel auf der Grundlage ihrer bisherigen Erfahrungen. Da ihnen jedoch genaue Kenntnisse über den Anbau fehlen, bauen sie am Ende unerwünschte Feldfrüchte an, was zu niedrigen Erträgen führt. Daher benötigen Landwirte ein Entscheidungsunterstützungssystem (DSS), um eine informelle Entscheidung zu treffen, die ihnen dabei helfen kann, die richtige Feldfrucht zur richtigen Zeit unter den gegebenen Bedingungen anzubauen. Viele Forscher versuchen, ein intelligentes Vorhersagesystem zu entwickeln, um die Vorhersage der Ertragsrate von Nutzpflanzen auf der Grundlage von Wetter und Boden mithilfe statistischer Methoden zu verbessern. Maschinelles Lernen ist ein aufstrebender Bereich und kann zur Verbesserung der Vorhersage des Ernteertrags unter verschiedenen klimatischen Bedingungen wie Jahreszeit, Temperatur, Niederschlag usw. eingesetzt werden. Viele Techniken des maschinellen Lernens können im Vorhersageprozess angewendet werden. Klassifizierung ist eine überwachte Lerntechnik, die zur Durchführung von Vorhersagen im Agrarsektor eingesetzt werden kann. In diesem Buch geht es um maschinelles Lernen und seine Anwendungen im landwirtschaftlichen Bereich.

Autorentext

Dr. V. Sathiyamoorthi arbeitet derzeit als außerordentlicher Professor in der Abteilung für Informatik und Ingenieurwesen am Sona Technische Hochschule in Salem, Tamil Nadu, Indien. Er promovierte an der Anna Universitat in Chennai, Tamil Nadu, Indien. Frau C. Sangeetha, Stipendiatin im Aufbaustudium, 2016-18, bestand den Abschluss des CSE-Departments am Sona Technische Hochschule in Salem, Tamil Nadu.