美國提出透過機器學習演算法之作物預測模型

　　為了人民糧食需求，同時最大限度地減少損失，預測和檢視收成是現代農業的重點之一，智慧農業或精準農業是一種現代農業，利用最新技術來增加產量並最大限度地減少水、肥料和能源等資源浪費。機器學習演算法可以分析來自感測器數據，優化施肥、灌溉及害蟲防治，可作為預測和分析作物生長和產量的方式。

　　研究重點使用不同的機器學習演算法根據作物的一般特徵進行研究，例如決策樹(Decision tree)、單純貝氏分類器(NBC)、支援向量機(SVM)和隨機森林(Random Forest)，採用以機器學習為中心的系統和解決方案將顯著提高效率和生產力，，並透過在某些作物類型未知或不易識別的情況下進行預測。

　　研究結果利用資料收集之溫度、濕度、pH 值和降水量特徵，其中2種演算法出現較高準確率，單純貝氏分類器達97.05%，隨機森林達到97.32%。研究結果為現代農業提供機器學習實證，可進一步研究和開發可以幫助優化作物生產、減少浪費並改善全球糧食安全。

　　研究成果已發表在科學期刊《農業工程技術應用》，研究團隊成功透過機器學習導入農業，並證實演算法準確性，未來可廣泛運用在更多作物種類分析，提供建立農業數據庫之貢獻。

文章來源
<農業科技決策資訊平台>