Zrównowa¿ona uprawa bawe¿ny dzi¿ki przyst¿pnemu IoT

Ta ksi--ka bada skrzy-owanie uczenia maszynowego (ML), sztucznej inteligencji (AI) i rolnictwa, koncentruj-c si- na ulepszaniu praktyk rolniczych poprzez rozwi-zania oparte na danych. Zaczyna si- od oceny systemów nawo-enia i nawadniania, zajmuj-c si- wyzwaniami integracyjnymi i podstawowymi komponentami, takimi jak czujniki, interfejsy komunikacyjne i mechanizmy nawo-enia. Ksi--ka podkre-la trudno-ci w wyborze odpowiednich modeli ze wzgl-du na mnogo-- opcji, co prowadzi do opó-nie- i wy-szych kosztów. Aby temu zaradzi-, porównano modele nawo-enia i nawadniania w oparciu o wskäniki wydajno-ci, takie jak dok-adno--, koszt, z-o-ono-- i skalowalno--. Proponuje równie- ulepszenia, takie jak fuzja modeli, w celu poprawy wydajno-ci systemu i zmniejszenia wysi-ków zwi-zanych z walidacj-. Teza wprowadza struktur- "MSMRBEF" do monitorowania gleby, wykorzystuj-c bioinspirowane przetwarzanie zespo-owe i algorytmy genetyczne do rekomendowania upraw w oparciu o warunki -rodowiskowe. Przedstawiono model "LEIFMCY", niedrogie, oparte na IoT rozwi-zanie do analizy plonów bawe-ny, optymalizuj-ce plony poprzez monitorowanie gleby w czasie rzeczywistym i analiz- predykcyjn-.

Dr Swapnil Ambade posiada tytu- licencjata w dziedzinie elektroniki i telekomunikacji, tytu- magistra in-yniera w dziedzinie komunikacji cyfrowej oraz tytu- doktora w dziedzinie in-ynierii elektronicznej. Dzi-ki ponad 15-letniemu do-wiadczeniu w nauczaniu otrzymä nagrod- dla najlepszego nauczyciela (2018) oraz nagrod- A-Class Award od IIT Bombay. Jego badania koncentruj- si- na systemach wbudowanych i IoT.