1、數據收集挑戰
在精準(zhun)農業(ye)用例中,大量數據來(lai)(lai)自不(bu)同來(lai)(lai)源。合并來(lai)(lai)自各種來(lai)(lai)源的數據引(yin)(yin)發(fa)了對信息質量和(he)信息合并問題的擔憂,而(er)對收集到的海量信息的訪問引(yin)(yin)發(fa)了對安全和(he)保護的擔憂。數據驅動技術要求使(shi)用未(wei)受污(wu)染且適用的信息。不(bu)完整的數據集會抹掉信息,而(er)訓練集中存(cun)在的異常或傾向會影響(xiang)模型精度。
2、大數據分析技術的挑(tiao)戰
為了(le)控制(zhi)與(yu)精準農業(ye)或(huo)智能農業(ye)相(xiang)關的數據集,分析技術需要在一定程度(du)上(shang)采用對齊和分布式(shi)手段(duan),計(ji)(ji)算復雜度(du)高。人工智能和分布式(shi)計(ji)(ji)算執(zhi)行(xing)程序的集成提(ti)供了(le)處(chu)理海(hai)量數據的潛在方法。
3、管理不(bu)斷增長的數據和(he)實(shi)時可擴(kuo)展(zhan)性
在(zai)植(zhi)物生長監測期間,通(tong)過多個設備逐步生成大量圖像和視頻,這給存(cun)儲(chu)(chu)和處理所有這些(xie)數據(ju)帶來(lai)了一些(xie)挑戰。農業中產生的大部分數據(ju)都是(shi)無定(ding)形或(huo)半(ban)結(jie)構(gou)化(hua)的,無法穩定(ding)地存(cun)儲(chu)(chu)在(zai) MySQL、SQL Server 等常用數據(ju)庫(ku)中。
返(fan)回列(lie)表