Modelo de aprendizado de máquina de aluno da RMIT capacita agricultores

O Vietnã é o segundo maior exportador de café do mundo e responde por mais da metade do fornecimento global de Robusta. A produção de café na safra 2022/23 deve atingir 29,75 milhões de sacas, das quais o Robusta representa mais de 95%.

Na Revisão Anual de 2021/2022 da Organização Internacional do Café (OIC), o Vietnã ficou em primeiro lugar em produtividade no cultivo de café, com 2,4 toneladas/ha. A produção de café no Vietnã é composta por grãos Robusta, Arábica, Cherri, Moka e Culi, que são os grãos de café mais populares cultivados no país.

Entretanto, os preços dos produtos agrícolas em geral e os preços dos grãos de café em particular são frequentemente instáveis ​​e podem flutuar acentuadamente durante colheitas abundantes, afetando significativamente a renda dos agricultores e causando danos à economia .

Da esquerda para a direita: Alunos da Faculdade de Ciências , Engenharia e Tecnologia da RMIT: Lam Tin Dieu, Nguyen Hai Minh Trang, Nguyen Phuong Nam (linha superior), Le Ngoc Nguyen Thuan, Doan Chanh Thong (linha inferior)

Da esquerda para a direita: Alunos da Faculdade de Ciências, Engenharia e Tecnologia da RMIT: Lam Tin Dieu, Nguyen Hai Minh Trang, Nguyen Phuong Nam (linha superior), Le Ngoc Nguyen Thuan, Doan Chanh Thong (linha inferior)

Para pesquisar uma solução para esse problema, durante um período de quatro meses, um grupo de alunos do último ano de Tecnologia da Informação da Faculdade de Ciências, Engenharia e Tecnologia, incluindo Nguyen Hai Minh Trang, Doan Chanh Thong, Le Ngoc Nguyen Thuan, Nguyen Phuong Nam e Lam Tin Dieu, treinaram e avaliaram seis modelos de aprendizado de máquina (ML) para prever preços de café, o que pode ajudar os agricultores vietnamitas a tomar decisões informadas sobre suas plantações e planejar adequadamente, otimizando lucros e minimizando perdas.

“Desenvolvemos seis modelos de ML, nomeadamente LSTM, GRU, ARIMA, SARIMA, SVM e RF, com base no histórico de preços do café, preços da gasolina, temperatura e precipitação, para prever os preços do café Robusta na província de Lam Dong e descobrimos que o modelo RF, usando todo o conjunto de dados, foi o mais eficaz”, disse Trang.

Entre os 6 modelos de aprendizado de máquina, o modelo RF, usando todo o conjunto de dados, produziu os melhores resultados.

"A RF pode incorporar conjuntos de dados mais ricos e lidar com relações não lineares. Além disso, o preço do combustível provou ser um preditor significativo e superou todos os outros recursos testados combinados."

A equipe enfatizou que o modelo tem potencial para melhorias adicionais ao estudar e incorporar o impacto do rendimento das colheitas, tendências de mercado e eventos geopolíticos nos preços agrícolas.

Cada membro da equipe enfrentou desafios diferentes durante o projeto, como a falta de conhecimento profundo dos diferentes modelos de ML, a falta de comunicação eficaz da complexidade do que estava sendo feito para o domínio da IA ​​ou a dificuldade de gerenciar o tempo e a comunicação durante o trabalho remoto. No entanto, investindo tempo significativo em pesquisa, aprofundando-se em artigos científicos relacionados à IA e ML e aprimorando suas habilidades técnicas e de colaboração, eles aprimoraram suas habilidades de pesquisa em IA para problemas do mundo real e conseguiram transformar a pesquisa de sua equipe em produtos do mundo real.

“O principal desafio para nós girava em torno da coleta e integração de dados”, compartilhou Thuan.

Embora o desenvolvimento do modelo tenha sido bastante simples, o tempo considerável necessário para coletar e combinar os dados representou um enorme desafio para nós. Cada membro da equipe passou por uma curva de aprendizado e aprimorou suas habilidades tanto na coordenação técnica quanto na de projetos, desde pesquisas aprofundadas até o impulso à inovação e a criação de novas soluções.

Na época do estudo, Nam trabalhava em Hanói e tinha um emprego de tempo integral. Para evitar atrasos e possíveis interrupções, Nam disse que a equipe organizava reuniões semanais e mantinha comunicação regular, tanto para motivar uns aos outros a permanecerem no caminho certo quanto para concluir a carga de trabalho atribuída.

O projeto final da equipe foi supervisionado de perto por professores da Escola de Ciência, Engenharia e Tecnologia da RMIT, Vietnã. Os resultados do projeto foram recentemente apresentados em um prestigiado evento internacional – a 8ª Conferência Internacional IEEE/ACIS sobre Big Data, Computação em Nuvem e Engenharia de Ciência de Dados (BCD 2023) – com pesquisadores, cientistas, engenheiros e especialistas nas áreas de Big Data, Computação em Nuvem e Ciência de Dados.

O aluno Nguyen Phuong Nam demonstra como funciona o site de simulação de preços de café

A equipe planeja refinar os modelos com base no feedback das apresentações na conferência e também explorar outras abordagens para melhorar a precisão e a aplicabilidade de suas previsões.

“Planejamos nos aprofundar em técnicas de ponta e métodos emergentes na área para fortalecer ainda mais os resultados de pesquisa alcançados pela equipe”, disse Thong.

“Além disso, planejamos colaborar com outros especialistas na área e explorar possíveis parcerias para expandir o escopo e o impacto das descobertas da pesquisa do grupo.”

A equipe planeja continuar a iterar e atualizar a pesquisa para que ela possa fazer contribuições práticas ao campo em constante evolução de Big Data e IA a partir de sua pesquisa específica.

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