文献

J-GLOBAL ID：202002254335351950   整理番号：20A0194507

埋め込み,ネットワーク化マイクロセンサ,結合気象モデルおよび機械学習技術を用いた軟質果実収量および生物季節学を予測するためのフレームワーク【JST・京大機械翻訳】

A framework for predicting soft-fruit yields and phenology using embedded, networked microsensors, coupled weather models and machine-learning techniques

著者 (6件)： Lee Mark A. (Natural Capital and Plant Health, Royal Botanic Gardens Kew, Richmond TW9 3AB, UK) ,  Monteiro Angelo (Mothive Ltd, Sutton Yard, 4th Floor 65 Goswell Rd, London EC1V 0BB, UK) ,  Barclay Andrew (Berry Gardens Ltd, Wares Farm, Maidstone ME17 4BA, UK) ,  Marcar Jon (Berry Gardens Ltd, Wares Farm, Maidstone ME17 4BA, UK) ,  Miteva-Neagu Mirena (Berry Gardens Ltd, Wares Farm, Maidstone ME17 4BA, UK) ,  Parker Joe (National Biofilms Innovation Centre, Faculty of Environmental and Life Sciences, University of Southampton, SO17 1BJ, UK)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 168  ページ： Null  発行年： 2020年 
JST資料番号： T0337A  ISSN： 0168-1699  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 収穫時期予測の精度を改善することは,柔らかい果実の農業を持続的に改善する機会を提供する。果実は腐敗しやすく,高い値と季節的であり,価格は典型的に時間に敏感である。収穫は労働集約的で,ますます高価になり,成長者に価値のある正確な生物季節学的予測を行っている。著者らは,モデル作物としてイチゴを用いて,埋め込まれた自律センサを用いて,メソスケール気象予報を局所作物微気候に結びつけるための新しい枠組みを開発し試験した。実生をポリトンネルに植え,成長期を通して環境および収量データを収集した。大気温度,相対湿度(RH),土壌水分および光合成活性放射(PAR)放射照度における空間的および時間的変動を測定したネットワーク化マイクロセンサにより,1.2百万以上のデータポイントを収集した。フリーズを植物のサブセットに添加し,付加的な内部トンネル変動を発生させた。三角モデルは気象観測所データを変換し,それは,温度とRH(両方のR2=0.8)に対するより正確なポリトンネル特異的予測に対して,ポリトンネル空気温度(R2=0.6)とRH(R2=0.5)と比較的低い一致を示した。累積果実収量はロジスティック成長曲線に従い,これらの曲線の係数は微気候条件に依存した。10000回の反復後,機械学習はRHと空気温度を含むこれらの曲線の係数を適合方程式に適切に最適化した。環境データをin situ測定するデータロガーは,a-先験的生物学的情報なしに異なる場所で成長する新しい果実栽培品種に対する反復訓練を用いてモデルパラメータを推定することができた。手動で測定された収率データに対する依存性は,現在の限界であるが,高スループット技術が出現すると,このプロセスは完全に自動化される可能性がある。この枠組みは果実のタイミングを予測するために使用できることを示した。予測は,新しいデータが利用可能になるにつれて洗練され,更新されることができ,この場合には8分毎になる。このアプローチは,成長者の意思決定を知らせるために,ベポーク生物季節学的予測の開発におけるステップ前進を表している。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 微気候 ,  品種 ,  部分集合 ,  相対湿度 ,  自動化 ,  最適化 ,  意思決定 ,  成長期 ,  気温 ,  農作物 ,  土壌水 ,  天気予報 ,  気候 ,  実生 ,  *機械学習

著者キーワード (6件)： 気候 ,  子実体 ,  機械学習 ,  ピッキング ,  センサ ,  イチゴ

分類 (2件)： 飼育管理機械・施設  (FB03050G) ,  鶏  (FD03020F)

タイトルに関連する用語 (9件)： 埋め込み ,  マイクロセンサ ,  気象モデル ,  機械学習技術 ,  軟質 ,  果実収量 ,  生物季節学 ,  予測 ,  フレームワーク