Машинное обучение в сельском хозяйстве какао: систематический обзор литературы
Aprendizaje automático en agricultura del Cacao: Una revisión sistemática de la literatura
Elias Terrazas-Huaman, Anthony Nelson Aliaga-Carbajal, Danger David Castellón-Apaza
Аннотация (перевод)
Искусственный интеллект приобретает все большее значение в различных секторах, включая сельское хозяйство, где машинное обучение открывает новые возможности для оптимизации производственных процессов. В этом контексте в настоящем исследовании анализируется применение машинного обучения в сельском хозяйстве какао посредством систематического обзора научной литературы, опубликованной в период с 2020 по 2024 год. Стратегия поиска включала IEEE Xplore, Springer Link, Scopus, Google Scholar, ACM Digital Library и Semantic Scholar, первоначально выявив 10,320 документов. По результатам процесса отбора в анализ было включено 66 релевантных статей. Рассмотренные исследования показывают, что машинное обучение в основном применяется для раннего выявления болезней какао, прогнозирования урожайности, а также оценки и улучшения качества бобов. К наиболее часто используемым методам относятся нейронные сети, метод опорных векторов (SVM) и алгоритмы случайного леса благодаря их способности обрабатывать большие объемы данных. Кроме того, эти методы позволяют анализировать факторы, связанные с климатическими условиями, характеристиками почвы и появлением вредителей, тем самым способствуя принятию более эффективных решений и оптимизации производства какао.
Оригинальная аннотация
Artificial intelligence has gained increasing importance across different sectors, including agriculture, where machine learning offers new opportunities to optimize production processes. In this context, the present study analyzes the application of machine learning in cocoa agriculture through a systematic review of the scientific literature published between 2020 and 2024. The search strategy included IEEE Xplore, Springer Link, Scopus, Google Scholar, ACM Digital Library, and Semantic Scholar, initially identifying 10,320 documents. Following the selection process, 66 relevant articles were included in the analysis. The reviewed studies show that machine learning is mainly applied to the early detection of cocoa diseases, crop yield prediction, and the assessment and improvement of bean quality. The most frequently used techniques include neural networks, support vector machines (SVM), and random forest algorithms due to their ability to process large volumes of data. Furthermore, these techniques enable the analysis of factors related to climatic conditions, soil characteristics, and pest occurrence, thereby contributing to improved decision-making and the optimization of cocoa production.
Идентификаторы
Canonical: https://research.holos.house/w/750c498b-3507-4fda-9f08-f202b6bd32e8
DOI: 10.55873/8mg1dw29