AgroNetVision：融合多源物联网数据的农作物产量预测集成学习模型

《Scientific Reports》：Enhancing crop yield prediction through multi-modal ensemble learning with IoT data integration using AgroNetVision

　　

摘要

早期且准确的农作物产量预测（CYP）成为优化农业策略以及为农民创收的最关键输入。作物分类、面积估算和健康监测是深度学习近期发展的一些应用，显示出在农业活动各方面具有巨大的潜力。物联网（IoT）技术进一步帮助在智慧农业中追踪资源并监测实时数据，通过简化此类农业操作来确保优质生产。本文部署了 AgroNetVision，这是一种创新的集成学习模型，有效地整合物联网数据以准确预测作物产量。它依赖于使用 YOLO 架构通过物联网设备捕获的近乎实时的图像进行作物状况的视觉检测，同时使用 LSTM 处理时间序列土壤传感器和环境监测数据以捕捉时间动态。现在，AdaBoost 将接收来自视觉和传感器两股数据流的组合和处理后的特征，以提升可预测性。该集成学习架构是基于 YOLO、LSTM 模型和 AdaBoost 产生的输出聚合而开发的，以提供高效的产量预测。提出的模型与最先进的技术进行了严格比较，以测试其有效性。AgroNetVision 将应用多源数据集成方法与先进的学习技术相结合，为农民提供可操作的见解，以便在动态农业环境中做出更明智的决策并最大化作物产量。