持続可能な植物保護:ポテトの病原体検出のためのPuma Optimizationを用いたスマートなモニタリングと勧告の枠組み

科学分野:

• 農業科学
• 人工知能
• コンピューター生物学

背景:

• 農業の持続可能性が脅かされている.
• 早期発見と介入には 情報に基づいたツールが不可欠です
• 既存の方法は,複雑で高次元な生態学的データのために強化する必要があります.

研究 の 目的:

• ポテト病の分類のための新しいハイブリッドの枠組みを開発する.
• リストリクトボルトマンマシン (RBM) とコプラベースの依存性モデリングを統合する.
• Puma Optimization (PO) アルゴリズムを使用してフレームワークを最適化してパフォーマンスを向上させる.

主な方法:

• コプルベースの変換とRBMを組み合わせたハイブリッドフレームワークです.
• RBMのハイパーパラメータチューニング 生物学的にインスパイアされたPOアルゴリズムを使用します.
• 42の農学,微生物,生態学的な変数を含む現実世界のデータセットに関するトレーニングと評価.

主要な成果:

• POに最適化されたRBMは98. 54%の精度を達成し,ベースラインRBM (94. 77%) と他の分類器を上回った.
• 感度,特異性,F1スコアで有意な改善が観察されました.
• PO-RBMはPSO,GWO,GAと比較して優れた計算効率を示した.

結論:

• 提案された枠組みは,統合ペストマネジメント (IPM) のためのスケーラブルで,生態学的に根付いた意思決定支援システムを提供します.
• このアプローチにより,複雑な生態空間における高信頼性確率推論が可能になります.
• 適応性のある低影響植物健康モニタリングの 実践的な解決策です