[论文解读] Agricultural Knowledge Management Using Smart Voice Messaging Systems: Combination of Physical and Human Sensors

Naoshi Uchihira, Masami Yoshida|arXiv (Cornell University)|Aug 9, 2020

Smart Agriculture and AI参考文献 9被引用 4

一句话总结

本文提出了一种智能语音消息系统，通过整合物理传感器与人类感官输入（视觉、听觉、嗅觉、味觉、触觉）来增强农业知识管理。农民使用智能手机记录作物和设备状况的口头观察，这些语音被转录并分析，以改进农业决策；在北海道一家温室农场的实地试验表明，该系统在捕捉和共享可操作知识方面具有有效性。

ABSTRACT

The use of the Internet of Things (IoT) in agricultural knowledge management systems is one of the most promising approaches to increasing the efficiency of agriculture. However, the existing physical sensors in agriculture are limited for monitoring various changes in the characteristics of crops and may be expensive for the average farmer. We propose a combination of physical and human sensors (the five human senses). By using their own eyes, ears, noses, tongues, and fingers, farmers could check the various changes in the characteristics and conditions (colors of leaves, diseases, pests, faulty or malfunctioning equipment) of their crops and equipment, verbally describe their observations, and capture the descriptions with audio recording devices, such as smartphones. The voice recordings could be transcribed into text by web servers. The data captured by the physical and human sensors (voice messages) are analyzed by data and text mining to create and improve agricultural knowledge. An agricultural knowledge management system using physical and human sensors encourages to share and transfer knowledge among farmers for the purpose of improving the efficiency and productivity of agriculture. We applied one such agricultural knowledge management system (smart voice messaging system) to a greenhouse vegetable farm in Hokkaido. A qualitative analysis of accumulated voice messages and an interview with the farmer demonstrated the effectiveness of this system. The contributions of this study include a new and practical approach to an "agricultural Internet of Everything (IoE)" and evidence of its effectiveness as a result of our trial experiment at a real vegetable farm.

研究动机与目标

• 解决物理传感器在监测农业中多样的作物和设备状况方面的局限性。
• 利用农民的感官观察（视觉、听觉、嗅觉、味觉、触觉）作为物理传感器的低成本、实用补充。
• 开发一种可扩展、低成本的农业知识管理系统，结合语音消息与文本挖掘技术。
• 评估在真实农业环境中，将人类感官数据与物理传感器数据整合的有效性。
• 通过基于语音的数据采集与分析系统，促进农民之间的知识共享与生产效率提升。

提出的方法

• 农民使用智能手机，通过五种感官对作物和设备状况进行口头描述记录。
• 语音录音通过网络传输至服务器，利用语音转文字技术自动转录为文本。
• 转录后的文本通过数据挖掘与文本挖掘技术进行分析，以提取可操作的农业知识。
• 将物理传感器（如温度、湿度）数据与人工观察数据整合，构建混合传感系统。
• 该系统实现实时知识捕获、存储与检索，以支持更优的决策制定。
• 在位于日本北海道的一家温室蔬菜农场部署并测试了原型系统，以评估其可用性与有效性。

实验结果

研究问题

• RQ1 如何有效整合人类感官观察与物理传感器数据，以改善农业知识管理？
• RQ2 在农业环境中，使用语音消息作为数据采集方法的可行性与可用性如何？
• RQ3 语音记录的农民观察在多大程度上有助于识别作物病害、害虫和设备故障？
• RQ4 人类感官数据与物理传感器数据的整合在多大程度上提升了农民之间的知识共享与决策能力？
• RQ5 在真实农业环境中部署基于语音的农业知识系统，面临哪些实际挑战与优势？

主要发现

• 智能语音消息系统成功通过农民口头报告，捕获了包括病害和虫害视觉迹象在内的多样化农业观察。
• 语音录音被准确转录并分析，从而提取出有意义的模式与可操作的见解。
• 该系统在真实温室农场环境中展现出实际可用性，农民能够持续记录并分享观察结果。
• 对语音消息的定性分析揭示了丰富且具上下文特异性的数据，这是物理传感器单独无法捕捉的。
• 农民访谈证实，该系统在提升对作物状况的认知以及促进知识传递方面具有重要价值。
• 将人类感官输入与物理传感器结合，形成了更全面且更具成本效益的监测解决方案。