Model uczenia maszynowego studenta RMIT wspiera rolników

Wietnam jest drugim co do wielkości eksporterem kawy na świecie i odpowiada za ponad połowę globalnej podaży Robusty. Produkcja kawy w sezonie zbiorów 2022/23 ma wynieść 29,75 miliona worków, z czego ponad 95% stanowić będzie Robusta.

W corocznym przeglądzie Międzynarodowej Organizacji Kawy za lata 2021/2022 Wietnam zajął pierwsze miejsce pod względem wydajności uprawy kawy, z wynikiem 2,4 tony/ha. Produkcja kawy w Wietnamie obejmuje ziarna Robusty, Arabiki, Cherri, Moka i Culi, które są najpopularniejszymi gatunkami kawy uprawianymi w tym kraju.

Jednak ceny produktów rolnych w ogóle, a ceny ziaren kawy w szczególności, często są niestabilne i mogą ulegać dużym wahaniom w okresach obfitych zbiorów, co znacząco wpływa na dochody rolników i szkodzi gospodarce .

Od lewej do prawej: Studenci Wydziału Nauki , Inżynierii i Technologii RMIT: Lam Tin Dieu, Nguyen Hai Minh Trang, Nguyen Phuong Nam (górny rząd), Le Ngoc Nguyen Thuan, Doan Chanh Thong (dolny rząd)

Od lewej do prawej: Studenci Wydziału Nauki, Inżynierii i Technologii RMIT: Lam Tin Dieu, Nguyen Hai Minh Trang, Nguyen Phuong Nam (górny rząd), Le Ngoc Nguyen Thuan, Doan Chanh Thong (dolny rząd)

Aby znaleźć rozwiązanie tego problemu, grupa studentów ostatniego roku studiów licencjackich z zakresu technologii informatycznych na Wydziale Nauk Ścisłych, Inżynierii i Technologii, w skład której wchodzili Nguyen Hai Minh Trang, Doan Chanh Thong, Le Ngoc Nguyen Thuan, Nguyen Phuong Nam i Lam Tin Dieu, przez cztery miesiące szkoliła i oceniała sześć modeli uczenia maszynowego (ML) w celu przewidywania cen kawy, co może pomóc wietnamskim rolnikom podejmować świadome decyzje dotyczące upraw i odpowiednio planować, optymalizując zyski i minimalizując straty.

„Opracowaliśmy sześć modeli ML, mianowicie LSTM, GRU, ARIMA, SARIMA, SVM i RF, opartych na historii cen kawy, cen benzyny, temperatury i opadów, aby przewidywać ceny kawy Robusta w prowincji Lam Dong i odkryliśmy, że model RF, wykorzystujący cały zestaw danych, był najskuteczniejszy” – powiedział Trang.

Spośród 6 modeli uczenia maszynowego najlepsze wyniki daje model RF, który wykorzystuje cały zbiór danych.

„RF może zawierać bogatsze zbiory danych i obsługiwać zależności nieliniowe. Co więcej, wykazano, że cena paliwa jest istotnym predyktorem i przewyższa wszystkie inne testowane funkcje razem wzięte”.

Zespół podkreślił, że model ten ma potencjał dalszego udoskonalania poprzez badanie i uwzględnianie wpływu plonów, trendów rynkowych i wydarzeń geopolitycznych na ceny produktów rolnych.

Każdy członek zespołu napotkał w trakcie projektu inne wyzwania, takie jak brak dogłębnego zrozumienia różnych modeli uczenia maszynowego, skutecznego komunikowania złożoności wykonywanych zadań w obszarze sztucznej inteligencji (AI) czy zarządzanie czasem i komunikacją podczas pracy zdalnej. Jednak dzięki poświęceniu znacznej ilości czasu na badania, zgłębianiu prac naukowych z zakresu sztucznej inteligencji (AI) i uczenia maszynowego (ML) oraz doskonaleniu umiejętności technicznych i współpracy, członkowie zespołu rozwinęli swoje umiejętności badawcze w zakresie sztucznej inteligencji (AI) w odniesieniu do rzeczywistych problemów i byli w stanie rozwinąć badania swojego zespołu w kierunku rzeczywistych produktów.

„Głównym wyzwaniem dla nas było gromadzenie i integracja danych” – powiedział Thuan.

„Chociaż opracowanie modelu było dość proste, znaczna inwestycja czasu wymagana do zebrania i połączenia danych stanowiła dla nas ogromne wyzwanie. Każdy członek zespołu przeszedł szereg szkoleń i udoskonaleń, zarówno w zakresie umiejętności technicznych, jak i koordynacji projektu – od dogłębnych badań, po promowanie innowacji i opracowywanie nowych rozwiązań”.

W czasie badania Nam mieszkał w Hanoi i pracował na pełen etat. Aby zapobiec opóźnieniom i potencjalnym zakłóceniom, zespół organizował cotygodniowe spotkania i utrzymywał regularną komunikację, zarówno w celu wzajemnego motywowania się do realizacji zadań, jak i do ich realizacji.

Projekt wieńczący zespół był ściśle nadzorowany przez pracowników Wydziału Nauk Ścisłych, Inżynierii i Technologii RMIT w Wietnamie. Wyniki projektu zostały niedawno zaprezentowane na prestiżowym wydarzeniu międzynarodowym – 8. Międzynarodowej Konferencji IEEE/ACIS nt. Big Data, Cloud Computing i Data Science Engineering (BCD 2023) – z udziałem badaczy, naukowców, inżynierów i ekspertów z dziedziny Big Data, Cloud Computing i Data Science.

Student Nguyen Phuong Nam pokazuje, jak działa strona internetowa symulująca ceny kawy

Zespół planuje udoskonalić modele na podstawie opinii uzyskanych podczas prezentacji konferencyjnych, a także zbadać inne podejścia w celu zwiększenia dokładności i stosowalności swoich prognoz.

„Planujemy dalej zagłębiać się w najnowocześniejsze techniki i nowe metody w tej dziedzinie, aby jeszcze bardziej wzmocnić wyniki badań osiągnięte przez zespół” – powiedział Thong.

„Ponadto planujemy współpracę z innymi ekspertami w tej dziedzinie i poszukiwanie potencjalnych partnerstw w celu rozszerzenia zakresu i wpływu wyników badań grupy”.

Zespół planuje kontynuować iterację i udoskonalanie badań, aby móc wnieść praktyczny wkład w ciągle rozwijającą się dziedzinę dużych zbiorów danych i sztucznej inteligencji (AI) na podstawie konkretnych badań.

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