[논문 리뷰] Artificial Intelligence in Sustainable Vertical Farming

Hribhu Chowdhury, Debo Brata Paul Argha외 1명|arXiv (Cornell University)|2023. 11. 17.

Smart Agriculture and AI인용 수 9

한 줄 요약

이 논문은 기계 학습, 컴퓨터 비전, IoT, 로봇공학 등 AI 기술이 지속 가능한 수직 농업을 어떻게 향상시킬 수 있는지 검토하고, 현재 응용 현황과 도전과제 및 향후 연구 방향을 논의한다.

ABSTRACT

As global challenges of population growth, climate change, and resource scarcity intensify, the agricultural landscape is at a critical juncture. Sustainable vertical farming emerges as a transformative solution to address these challenges by maximizing crop yields in controlled environments. This paradigm shift necessitates the integration of cutting-edge technologies, with Artificial Intelligence (AI) at the forefront. The paper provides a comprehensive exploration of the role of AI in sustainable vertical farming, investigating its potential, challenges, and opportunities. The review synthesizes the current state of AI applications, encompassing machine learning, computer vision, the Internet of Things (IoT), and robotics, in optimizing resource usage, automating tasks, and enhancing decision-making. It identifies gaps in research, emphasizing the need for optimized AI models, interdisciplinary collaboration, and the development of explainable AI in agriculture. The implications extend beyond efficiency gains, considering economic viability, reduced environmental impact, and increased food security. The paper concludes by offering insights for stakeholders and suggesting avenues for future research, aiming to guide the integration of AI technologies in sustainable vertical farming for a resilient and sustainable future in agriculture.

연구 동기 및 목표

• 인구 증가, 기후 변화, 자원 고갈 속에서 지속 가능한 수직 농업의 채택을 촉진한다.
• 제어된 환경에서 AI가 작물 수확량을 최대화하는 방법을 탐구한다.
• 현재 AI 응용을 종합하고 격차, 도전 과제 및 기회를 식별한다.
• 경제적 타당성과 환경 영향을 평가하여 회복력 있는 농업 시스템을 지원한다.
• 농업에서의 학제 간 협력과 설명 가능한 AI에 대한 길을 제시한다.

제안 방법

• AI 하위 분야(ML, 컴퓨터 비전, IoT, 로봇공학) 전역에서 지속 가능한 수직 농업의 AI에 대한 기존 문헌을 검토한다.
• AI가 자원 최적화, 자동화 및 데이터 기반 의사결정을 가능하게 하는 방법의 종합.
• 모델 최적화, 학제 간 협력, 설명 가능한 AI와 같은 격차에 대한 비판적 분석.
• 경제성, 환경 영향 및 식량 안보에 대한 시사점 논의.
• 이해당사자 지향 인사이트 및 향후 연구 방향 제시.

실험 결과

연구 질문

• RQ1 지속 가능한 수직 농업에서의 AI 응용 현황은 무엇인가?
• RQ2 광범위한 채택을 가로막는 주요 도전 과제와 격차는 무엇인가?
• RQ3 농업용으로 AI 모델을 어떻게 최적화하고 설명 가능하게 만들 수 있는가?
• RQ4 AI 기반 수직 농업의 경제적 및 환경적 함의는 무엇인가?
• RQ5 지속 가능한 채택을 위한 향후 연구 방향과 협력은 무엇이 가장 유망한가?

주요 결과

• 수직 농업에서의 AI 응용은 기계 학습, 컴퓨터 비전, IoT 및 로봇공학에 걸쳐 있다.
• AI는 제어된 환경에서 자원 사용을 최적화하고 작업을 자동화하며 의사결정을 개선할 수 있다.
• 모델 최적화, 학제 간 협력, 및 농업용 설명 가능한 AI 개발에 격차가 있다.
• 경제적 타당성과 환경 영향 고려가 더 넓은 채택의 핵심이다.
• 이 논문은 이해당사자 지향의 통찰과 지속 가능한 수직 농업에서의 AI 통합을 돕기 위한 향후 연구 방향을 제공한다.