Zenodo (CERN European Organization for Nuclear Research)·9月2日 · 周三论文智慧农业 / 农业物联网阅读 2
Smart Crop Recommendation System
Jayashree S P · S Sahana
论文解读
62接近精选线
速览
提出智能作物推荐系统，结合AI与实时天气，推荐作物并检测病害。
方法
使用Scikit-Learn分类算法、CNN、OpenWeather API、D
发现
系统能提高产量、降低风险，支持可持续精准农业。
机会点
可扩展至多作物区域适应性、考虑经济因素及用户反馈的个性化推荐。
影响力12
信息增量18
专业深度15
信源权威10
时效性7
系统整合AI与气象数据，提供作物推荐与病害检测，对精准农业有参考价值。
原文摘要
农业仍然是印度经济稳定和粮食安全的主要驱动力。然而，传统农业严重依赖主观经验而非科学数据，导致作物选择欠佳、资源利用不当，以及对气候变化和植物病害的脆弱性增加。为解决这些局限性，本文提出了智能作物推荐系统——一个集成的决策支持网络平台，利用人工智能、机器学习、深度学习和实时天气分析技术。该应用系统评估土壤成分——特别是氮（N）、磷（P）、钾（K）和pH值——以及包括温度、湿度和降雨量在内的环境参数，通过Scikit-Learn分类算法准确推荐最佳作物。通过OpenWeather API集成实时天气预报，以指导播种和灌溉等关键农事安排。此外，采用卷积神经网络（CNN）的深度学习模块可从上传的叶片图像中检测作物病害，并输出针对性的治理策略。该平台基于Django网络框架、SQLite数据库、Power BI分析仪表板和云基础设施实现，提供端到端的数字助手，可提高产量生产力、降低农业风险，并支持可持续的精准农业。