论文信息
Journal of Soft Computing Paradigm
论文解读
AI 辅助整理- 方法
- 2200条数据、7个农艺特征，100棵树的随机森林分类加规则施肥引擎。
- 发现
- 作物分类测试准确率97.6%，可识别养分亏缺并给出施肥建议。
- 机会点
- 可引入时序土壤与气象数据、田间实测验证，并扩展到多养分与经济效益优化。
论文摘要
精准农业需要数据驱动的方法，依据土壤条件和气候来确定作物与肥料的最优选择。本文提出了一种集成决策支持系统，该系统基于随机森林作物分类和基于NPK的肥料推荐系统。所提出的系统使用七个农艺特征，包括氮、磷、钾、温度、湿度、土壤pH值和降雨量，数据来自包含2200条记录和22类作物的作物推荐数据集。在对数据进行处理并划分为训练集（80%）和测试集（20%）后，构建了包含100棵决策树的随机森林分类器对作物进行分类。将分类后的作物与养分知识库进行匹配，并将当前土壤NPK含量与作物的养分需求进行比较。最后，基于规则的决策引擎找出养分亏缺并给出肥料推荐。该分类器在测试数据集上的性能为97.6%的准确率、97.1%的精确率、96.8%的召回率和96.9%的F1分数。
论文原文与出版信息
Journal of Soft Computing Paradigm