コンピュータ工学および情報技術ジャーナル

機械学習ベースの収穫量予測システム

Om Mane*、Chanthrika RL、Tanvir Mungekar、Preethi Sai Yelisetty、Bindhu Sree、Jaya Subalakshmi R

ワイルドブルーベリー産業は、米国北東部の農業部門に大きく貢献しています。しかし、予測不可能な気象条件、土壌の変動、害虫の蔓延は、作物の収穫量に大きく影響し、農家や利害関係者の損失につながる可能性があります。したがって、正確で信頼性の高い作物収穫量予測モデルの開発は、効率的なリソース割り当て、作物管理の改善、効果的なマーケティング戦略にとって重要です。決定木、線形回帰、XGBoost、LightGBM、ランダムフォレスト、AdaBoost、ヒストグラム勾配ブースティング、CatBoost などの機械学習アルゴリズムは、近年、作物収穫量予測に大きな可能性を示しています。これらのアルゴリズムは、大規模なデータセットを分析し、パターンを識別し、正確な予測を作成することができ、農家に作物の管理、将来の収穫量、および商業化に関する重要な洞察を提供します。この研究で開発されたモデルにより、農家と利害関係者は、作物の計画とリソースの割り当てについて情報に基づいた決定を下すことができ、ワイルドブルーベリー産業の効率と持続可能性が向上します。さらに、市場予測者はこれらのモデルを使用して、ワイルドブルーベリーの将来の需要を予測し、効果的なマーケティング戦略の開発に役立ちます。結論として、機械学習アルゴリズムの応用による正確で信頼性の高い作物収穫量予測モデルの開発は、特に天候の変動やその他の要因の影響を受けやすい野生ブルーベリーなどの産業において、農業分野に大きな影響を与える可能性があります。