Técnica de aprendizaje automático eficiente habilitada para una predicción precisa del rendimiento de cultivos hacia la agricultura de precisión

Resumen Debido a la disponibilidad limitada de recursos naturales, es esencial que la productividad agrícola mantenga el ritmo del crecimiento poblacional. A pesar de las circunstancias climáticas desfavorables, el principal objetivo de este proyecto es aumentar la producción. Como consecuencia de los avances tecnológicos en la agricultura, la agricultura de precisión como forma de mejorar los rendimientos de los cultivos está ganando atractivo y haciéndose más prevalente. Cuando se trata de predecir datos futuros, el aprendizaje automático emplea una serie de métodos, incluida la creación de modelos y la adquisición de reglas de predicción basadas en datos pasados. En este manuscrito, examinamos diversas técnicas de aprendizaje automático, así como un modelo automatizado de proyección del rendimiento agrícola basado en la selección de las características más relevantes. Para el propósito de la selección de características, se utiliza el método de la Matriz de Co-ocurrencia de Nivel de Gris. Para la clasificación, utilizamos los algoritmos de Árbol de Decisión AdaBoost, Red Neural Artificial (ANN) y K-Vecinos Más Cercanos (KNN). El conjunto de datos utilizado en este estudio es simplemente una recopilación de información sobre una variedad de temas, incluyendo rendimiento, uso de pesticidas, precipitaciones y temperatura promedio. Esta recopilación de datos consta de 33 características o cualidades en total. Los cultivos incluidos en esta recopilación de datos son frijoles de soya, maíz, papa, arroz, arroz paddy, trigo y sorgo. Esta recopilación de datos fue posible gracias a la colaboración de la Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO) y el Banco Mundial de Datos, que hacen su información pública. El árbol de decisión AdaBoost ha logrado el nivel más alto de precisión posible al ser utilizado para anticipar el rendimiento agrícola. Tanto la tasa de precisión como la tasa de recuperación son bastante altas, alcanzando el 99 por ciento.