Engineering an Advanced Precision Farming Robot Integrating IoT and Machine Learning for Selective Harvesting Crop Health Monitoring and Enhanced Agricultural Productivity through Smart Automation
Notice bibliographique
Résumé
Agriculture is an important sector of Indian economy since many years. Indian agriculture sector accounts for 18% of India’s gross domestic product (GDP). Robotics and internet of things offer better solution in precision agriculture. Harvesting of fruits or vegetables like tomatoes and apple require selective harvesting. Conventional farming involves labors individually handpicking the ripened fruits which requires immense manpower to perform selective farming. We propose a robot that assists farmers in various labour-intensive tasks such as selective crop harvesting, qualitative segregation and also concurrently provide information of crop health, soil nutritional status and crop shelf-life detection. The collected information is analysed, processed and sent to the farmer via android application. Later, quality of the particular harvested crop is inspected by checking the weight, color, health to grade them. The graded fruit is then transferred to the assigned container. Spoiled or over ripened fruits/vegetables would be plucked and dropped so that it would not affect the growth of the plant. Proposed robot would have a harvesting arm which reaches the fruit/vegetable to pluck it from the plant or a tree which would later transfer the fruit to respective container. User would be able to assign a specific task to the device according to his requirement with the help of the app. Selective harvesting, segregation and crop health monitoring requires image processing through camera. It also detects diseases using image processing. The simulation results shows the effectivity of the methodology that is being presented in this research paper.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».