[论文解读] Artificial Intelligence in Sustainable Vertical Farming

Hribhu Chowdhury, Debo Brata Paul Argha+1 more|arXiv (Cornell University)|Nov 17, 2023

Smart Agriculture and AI被引用 9

一句话总结

本论文评审AI 技术如机器学习、计算机视觉、物联网和机器人如何提升可持续垂直农业，讨论当前应用、挑战与未来研究方向。

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.

研究动机与目标

• 在人口增长、气候变化和资源匮乏背景下，推动可持续垂直农业的采用。
• 探讨AI如何在受控环境中最大化作物产量。
• 综合当前AI应用并识别差距、挑战与机会。
• 评估经济可行性与环境影响，以支持具有韧性的农业系统。
• 提出跨学科合作与农业中的可解释AI的途径。

提出的方法

• 对现有文献关于在可持续垂直农业中应用AI的研究，覆盖AI子领域（ML、计算机视觉、物联网、机器人）。
• 综合AI如何实现资源优化、自动化和数据驱动的决策。
• 对模型优化、跨学科合作和可解释AI等差距进行批判性分析。
• 讨论对经济可行性、环境影响和粮食安全的影响。
• 提供面向利益相关者的洞见和未来研究方向。

实验结果

研究问题

• RQ1 在可持续垂直农业中，AI应用的现状是什么？
• RQ2 阻碍广泛采用的主要挑战与差距有哪些？
• RQ3 如何优化AI模型并使其在农业应用中具有可解释性？
• RQ4 AI驱动的垂直农业的经济与环境影响是什么？
• RQ5 未来哪些研究方向和协作最有前景以实现可持续采用？

主要发现

• AI应用横跨机器学习、计算机视觉、物联网和机器人在垂直农业中的应用。
• AI可以优化资源使用、自动化任务，并在受控环境中改进决策。
• 在优化AI模型、跨学科协作以及为农业开发可解释AI方面存在差距。
• 经济可行性与环境影响考虑是更广泛采用的核心。
• 本文提供面向利益相关者的洞见与未来研究方向，以指导AI在可持续垂直农业中的整合。