文献

J-GLOBAL ID：202202214568302585   整理番号：22A0853794

機械学習(ML)アルゴリズムを用いたIoTベース農業における微量栄養素分類【JST・京大機械翻訳】

Micronutrient Classification in IoT Based Agriculture Using Machine Learning (ML) Algorithm

著者 (2件)： Ahmed G. Najeeb (Vels Institute of Science, Technology & Advanced Studies. (VISTAS),Department of Computer Science) ,  Kamalakkannan S. (Vels Institute of Science, Technology & Advanced Studies. (VISTAS),Department of Computer Science)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICSSIT  ページ： 1-9  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 農業はインドの社会経済的構造において人口学的に最も重要な経済地域であるように見える。人々は現在,作物栽培の適切なタイミングと場所を意識していない。結果として,農業慣行に依存する季節的気候設定が,空気,水,土壌などの必須資産に対して変化するので,それらは食糧不安を引き起こす。結果として,機械学習(ML)技術は農業のための最良のオプションであり,農業成長を予測するために試験されている。本論文は,土壌のミクロおよびマクロ栄養素をモニターするための農業産業におけるIoT構造を開発するための園芸IoTモニタリングセンサボードを提案し,タミルNaduのThiruvarur地区に存在する種々の土壌パラメータを分析した。フレームワークは,IoTセンサから収集されたデータに基づく正しい決定を生成し,MLアルゴリズムを用いて評価される前にサーバに保存する。MLモデルを用いて,国家食品セキュリティミッション(NFSM)から得たミクロおよびマクロ栄養素閾値に基づくデータセットを分類した。評価は,Naive Bayes(NB),ロジスティック回帰(LR),ランダムツリー(RT)およびK-最近傍(KNN)のような様々なML分類アルゴリズムを用いて行うことができる。分類精度,相対絶対誤差(RAE),二乗平均平方根誤差(RMSE),根相対二乗誤差(RRSE),平均絶対誤差(MAE)によって分類法を比較し,評価した。KNN分類器は,低いMAE,RMSE,およびRRSE値が,0.2398,0.3908,および94.1845に達し,他の3つの分類器より優れているが,RTアルゴリズムは,KNNより66.24の低いRAE値を達成する。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  食品 ,  農業 ,  気候 ,  インド ,  多量要素 ,  センサ ,  *機械学習
準シソーラス用語： *微量栄養素 ,  人口統計学 ,  ロジスティック回帰分析 ,  分類アルゴリズム ,  分類精度 ,  社会経済 ,  作物栽培 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 機械学習 ,  ML ,  アルゴリズム ,  IoT ,  農業 ,  微量栄養素 ,  分類