スマートで持続可能な精密農業のためのエージェンティックAI

科学分野:

• 農業科学; コンピュータサイエンス; 人工知能

背景:

• 現代農業は、持続可能で効率的な実践の達成において課題に直面しています。; 精密農業（PA）と連合学習（FL）は、リソースの使用と意思決定を最適化するための潜在的なソリューションを提供します。

研究 の 目的:

• 精密農業のためのエージェンティック人工知能（AAI）フレームワークを提案し、評価すること。; 分散センシング、インテリジェントエージェント、FLを統合して、リアルタイムの農場レベルのモニタリングと意思決定支援を提供すること。

主な方法:

• PAとFLをローカルモデル（DenseNet121、MobileNetV2、EfficientDet-D0、YOLOv8）と統合したAAIフレームワークを開発しました。; トマト病分類と雑草検出データセットでフレームワークを評価しました。; デバイス間通信とローカライズされたインテリジェンスのための実用的な展開アーキテクチャを概説しました。

主要な成果:

• 連合グローバルモデルは、個々のクライアントモデルを上回る96.4%の精度を達成しました。; EfficientDet-D0は、雑草検出において高い性能（mAP@0.5: 0.978、F1スコア: 0.961）を達成しました。; DenseNet121とMobileNetV2は、分類タスクにおいて高い性能（それぞれ95.0%、93.9%の精度）を示しました。

結論:

• AAIとFLの統合は、インテリジェントな精密農業において実現可能かつ効果的です。; 本研究は、持続可能なインテリジェント農業システムを開発するためのロードマップを提供します。; SWOT分析により、強みと展開上の課題が特定され、将来の研究の指針となりました。