AgriSphere: A Smart Agriculture Framework Integrating IoT and Artificial Intelligence for Adaptive Crop Selection
Shreya Sriram · Prajeesh C B · Delphin Raj Kesari Mary 等 6 人
提出IoT与AI融合框架，结合实时土壤数据与天气预报推荐适宜作物。
三层IoT架构采集NPK、pH等数据，用RF、CNN等8种模型分类22种作物。
RF与CNN分类准确率达99.54%，降雨、湿度和钾是作物选择最关键因素。
可探索多源遥感与边缘计算融合，实现小农户低成本、可解释的实时作物推荐系统。
该论文提出IoT与AI融合的智能选种框架，多模型对比与实时案例验证充分，方法新颖且结论可靠，对智慧农业精准种植有较高参考价值。
引言 快速的气候变化、土壤退化以及不断变化的环境条件使农民难以进行作物选择。本研究提出了一种基于物联网（IoT）和人工智能（AI）的框架，利用当前土壤条件和未来天气预报来推荐适宜的作物。研究还识别了影响作物选择的关键环境因素。方法 设计了一个三层架构，包括数据采集、通信和数据处理模块。通过物联网传感器采集氮、磷、钾、pH值、温度和湿度的实时数据，并结合降雨量和历史农业数据。使用包含多个环境特征和22种作物类别的数据集进行模型开发。应用机器学习和深度学习方法进行分类和预测，包括随机森林（Random Forest）、XGBoost、K近邻（KNN）、支持向量机（SVM）、卷积神经网络（CNN）、决策树（DT）、深度神经网络（DNN）和长短期记忆网络（LSTM）。采用准确率、F1分数、MAE、RMSE和R²评估性能。同时进行帕累托分析以识别最具影响力的参数。结果 随机森林和CNN取得了最高的分类准确率99.54%，F1分数为0.995，XGBoost也表现强劲，准确率为99.32%。回归分析表明，集成模型优于线性模型。帕累托分析显示，降雨量、湿度和钾是作物推荐中影响最大的因素。在实时案例研究中，该框架推荐水稻为给定输入条件下最适宜的作物。讨论 结果表明，将物联网感知与基于人工智能的预测相结合，有助于在播种前进行主动的作物规划，并在气候变化条件下改善可持续农业决策。结论 所提出的框架有效结合了实时监测、预测分析和智能作物推荐，为可扩展的精准农业系统提供了实用基础。