要約
農家は、利益を最大化し、環境への悪影響を最小限に抑えるために、十分な情報に基づいた作物管理の決定を現場での観察に頼っています。
ただし、実際の作物状態の測定値を取得するには、多大な労力と時間がかかり、費用もかかります。
ほとんどの場合、決定の瞬間が来る前に作物の状態の測定値を収集することは現実的ではありません。
さらに、農場経営の最適化に関するこれまでの研究では、これらの観察結果はコストをかけずにすぐに得られると想定されていることが多く、これは非現実的です。
したがって、作物の状態を一時的に完全に観察する必要なく最適化を可能にすることが重要です。
この問題へのアプローチは、意思決定の一部として測定を含めることです。
解決策として、強化学習 (RL) を適用して、作物の特徴の測定と窒素肥料の施用を同時に行う適切なタイミングを推奨します。
現実的な考慮に基づいて、コストを測定する明示的なクロップ フィーチャを使用して RL 環境を設計します。
コストのバランスをとりながら、反復的な PPO で訓練された RL エージェントが、重要な作物の発育段階に従った適応的な測定ポリシーを発見し、その結果が、分野の専門家が賢明なアプローチと考えるであろうものと一致することがわかりました。
私たちの結果は、作物特徴の測定が容易に利用できない場合に測定することの重要性を強調しています。
要約(オリジナル)
Farmers rely on in-field observations to make well-informed crop management decisions to maximize profit and minimize adverse environmental impact. However, obtaining real-world crop state measurements is labor-intensive, time-consuming and expensive. In most cases, it is not feasible to gather crop state measurements before every decision moment. Moreover, in previous research pertaining to farm management optimization, these observations are often assumed to be readily available without any cost, which is unrealistic. Hence, enabling optimization without the need to have temporally complete crop state observations is important. An approach to that problem is to include measuring as part of decision making. As a solution, we apply reinforcement learning (RL) to recommend opportune moments to simultaneously measure crop features and apply nitrogen fertilizer. With realistic considerations, we design an RL environment with explicit crop feature measuring costs. While balancing costs, we find that an RL agent, trained with recurrent PPO, discovers adaptive measuring policies that follow critical crop development stages, with results aligned by what domain experts would consider a sensible approach. Our results highlight the importance of measuring when crop feature measurements are not readily available.
arxiv情報
著者 | Hilmy Baja,Michiel Kallenberg,Ioannis N. Athanasiadis |
発行日 | 2025-01-22 12:03:53+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google