RMIT-students maskinlæringsmodell styrker bønder

Vietnam er verdens nest største kaffeeksportør og står for mer enn halvparten av den globale Robusta-forsyningen. Kaffeproduksjonen i avlingsåret 2022/23 forventes å nå 29,75 millioner poser, hvorav Robusta står for mer enn 95 %.

I Den internasjonale kaffeorganisasjonens årsrapport for 2021/2022 rangerte Vietnam først i produktivitet innen kaffedyrking med 2,4 tonn/ha. Kaffeproduksjonen i Vietnam består av Robusta-, Arabica-, Cherry-, Moka- og Culi-bønner, som er de mest populære kaffebønnene som dyrkes i Vietnam.

Prisene på landbruksprodukter generelt, og prisene på kaffebønne spesielt, er imidlertid ofte ustabile og kan svinge sterkt i løpet av høye innhøstingstider, noe som påvirker bøndenes inntekter betydelig og forårsaker skade på økonomien .

Fra venstre til høyre: Studenter ved RMIT Fakultet for naturvitenskap , ingeniørvitenskap og teknologi: Lam Tin Dieu, Nguyen Hai Minh Trang, Nguyen Phuong Nam (øverste rad), Le Ngoc Nguyen Thuan, Doan Chanh Thong (nederste rad)

Fra venstre til høyre: Studenter ved RMIT Fakultet for naturvitenskap, ingeniørvitenskap og teknologi: Lam Tin Dieu, Nguyen Hai Minh Trang, Nguyen Phuong Nam (øverste rad), Le Ngoc Nguyen Thuan, Doan Chanh Thong (nederste rad)

For å undersøke en løsning på dette problemet, trente og evaluerte en gruppe sisteårsstudenter ved Bachelor of Information Technology ved Faculty of Science, Engineering and Technology, over en periode på fire måneder, inkludert Nguyen Hai Minh Trang, Doan Chanh Thong, Le Ngoc Nguyen Thuan, Nguyen Phuong Nam og Lam Tin Dieu, seks maskinlæringsmodeller (ML) for å forutsi kaffepriser, noe som kan hjelpe vietnamesiske bønder med å ta informerte beslutninger om avlingene sine og planlegge deretter, optimalisere fortjenesten og minimere tap.

«Vi utviklet seks ML-modeller, nemlig LSTM, GRU, ARIMA, SARIMA, SVM og RF, basert på historien til kaffepriser, bensinpriser, temperatur og nedbør, for å forutsi Robusta-kaffepriser i Lam Dong-provinsen, og fant ut at RF-modellen, som brukte hele datasettet, var den mest effektive», sa Trang.

Blant de 6 maskinlæringsmodellene gir RF-modellen, som bruker hele datasettet, de beste resultatene.

«RF kan innlemme rikere datasett og håndtere ikke-lineære sammenhenger. I tillegg viser det seg at drivstoffprisen er en betydelig prediktor og overgår alle andre testede funksjoner kombinert.»

Teamet understreket at modellen har potensial for ytterligere forbedring ved å studere og innlemme virkningen av avlinger, markedstrender og geopolitiske hendelser på landbrukspriser.

Hvert teammedlem møtte ulike utfordringer i løpet av prosjektet, som mangel på dyptgående forståelse av ulike ML-modeller, effektiv kommunikasjon av kompleksiteten i det de gjorde innen AI-domenet, eller mangel på tid og kommunikasjon når de jobbet eksternt. Ved å investere betydelig tid i forskning, fordype seg i AI- og ML-relaterte forskningsartikler, og forbedre sine tekniske og samarbeidsevner, forbedret de imidlertid sine AI-forskningsferdigheter for virkelige problemer og var i stand til å utvikle teamets forskning til virkelige produkter.

«Hovedutfordringen for oss dreide seg om datainnsamling og -integrasjon», delte Thuan.

«Selv om modellutviklingen var ganske enkel, utgjorde den betydelige tidsinvesteringen som krevdes i datainnsamling og integrering en stor utfordring for oss. Hvert teammedlem gikk gjennom en rekke lærings- og forbedringsprosesser, både innen tekniske ferdigheter og prosjektkoordinering, fra grundig forskning til å fremme innovasjon og komme opp med nye løsninger.»

På tidspunktet for studien var Nam basert i Hanoi og hadde en fulltidsjobb. For å forhindre forsinkelser og potensielle forstyrrelser, sa Nam at teamet satte opp ukentlige møter og opprettholdt regelmessig kommunikasjon, både for å motivere hverandre til å holde seg på sporet og for å fullføre den tildelte arbeidsmengden.

Teamets avsluttende prosjekt ble nøye overvåket av fakultetsmedlemmer fra School of Science, Engineering and Technology, RMIT Vietnam. Prosjektresultatene ble nylig presentert på et prestisjefylt internasjonalt arrangement – ​​den 8. IEEE/ACIS International Conference on Big Data, Cloud Computing and Data Science Engineering (BCD 2023) – med forskere, vitenskapsfolk, ingeniører og eksperter innen stordata, skytjenester og datavitenskap.

Studenten Nguyen Phuong Nam demonstrerer hvordan nettstedet for simulering av kaffepriser fungerer

Teamet planlegger å forbedre modellene basert på tilbakemeldinger fra konferansepresentasjonene, og også utforske andre tilnærminger for å forbedre nøyaktigheten og anvendeligheten av prediksjonene sine.

«Vi planlegger å fordype oss i banebrytende teknikker og nye metoder på dette feltet for å styrke forskningsresultatene teamet har oppnådd ytterligere», sa Thong.

«I tillegg planlegger vi å samarbeide med andre eksperter på feltet og utforske potensielle partnerskap for å utvide omfanget og effekten av gruppens forskningsfunn.»

Teamet planlegger å fortsette å iterere og oppgradere forskningen slik at den kan gi praktiske bidrag til det stadig utviklende feltet stordata og kunstig intelligens fra din spesifikke forskning.

Kildekobling: https://thanhnien.vn/mo-hinh-may-hoc-cua-sinh-vien-rmit-tiep-them-suc-manh-cho-nong-dan-185240201181300139.htm